Apache Tika，无法检索“主题”元数据值

Question

我正在使用 java，我正在尝试使用 apache tika 提取一些元数据，但我无法提取“主题”元数据的预期值。该文件是 jpg 图像。这是我的代码：

首先我是这样解析文件的：

        inputStream = new FileInputStream(fileToExtract);   
        Parser parser = new AutoDetectParser();  
        ContentHandler contentHandler = new BodyContentHandler();  
        Metadata metadata = new Metadata(); 
        parser.parse(inputStream, contentHandler, metadata, new ParseContext()); 

然后我尝试打印这些：

    metadata.get(Metadata.AUTHOR)                           -->  "MyAuthor"
    metadata.get(TikaCoreProperties.CREATOR)                -->  "MyCreator"
    metadata.get(TikaCoreProperties.TITLE)                  -->   "MyTitle"
    metadata.get(Metadata.SUBJECT)                          -->   **null**
    metadata.get(TikaCoreProperties.KEYWORDS)               -->   **null**

所以，我得到了正确的所有值，并且我得到了主题的空值。元数据是我手动添加的（右键->属性，windows OS）。

我做错了吗？

---

PS：请注意，“TikaCoreProperties.KEYWORDS”是另一种根据 apache tika 文档检索主题的方式。

Answer 1

Apache Tika 尝试在所有文件格式中返回一致的元数据。如果一种格式称为Author、另一种格式为Creator、另一种格式为Created By 和另一种格式为Creator[0]，这无关紧要，Tika 将它们映射到一个一致的键上。通常，这些密钥基于众所周知的外部标准，例如 Dublin Core

如果您想查看 Tika 应用于 Microsoft Office 文档的映射，您需要查看 SummaryExtractor。如果您想知道 Tika 可以从给定文件中提取的所有元数据键和值是什么，请使用tika-app cli 工具和--metadata，或在Metadata object 上调用names() 以获取列表Tika 找到元数据键。