如何使用 Apache Tika 从 .wps 文件中提取文本？

Question

我正在使用 Tika 从几种类型的文档中提取文本。 java -jar tika-app-1.10.jar -T [输入文件] 我意识到 Tika-1.10 可以检测 .wps 文件（java -jar tika-app-1.10.jar -m [.wps] 正在返回元数据）但它无法从 .wps 文件中提取文本（java - jar tika-app-1.10.jar -T [.wps] 文件不返回任何内容）。有没有其他方法可以从Java中的wps文件中提取文本？ 任何帮助是极大的赞赏 谢谢

Answer 1

从 Tika 1.13 开始，我们没有 wps 文件的解析器。我们确实支持旧的 Works 7.0 电子表格，但不支持 wps。如果您希望我们增加支持，请在我们的JIRA 上打开一个问题。 （坦率地说，我不知道需要做多少工作）。

Answer 2

尝试添加这个参数：（对于 Tika 1.2）

--text-main     Output plain text content (main content only)

对于 Tika 1.1：

--text          Output plain text content

请看这里：https://tika.apache.org/1.2/gettingstarted.html

考虑使用 1.8 或 1.9 版本的 apache tika。