【发布时间】：2013-02-25 16:25:34
【问题描述】：
我使用出色的 Apache Tika 库解析文件。我想用我自己的解析器提取元标记，然后只从<body>-tag 中获取内容作为 HTML 并将其存储在数据库中。
我现在已经尝试了几个小时/几天 :-(，但找不到解决方案：
- 当我使用
ToHTMLContentHandlerafter<body>-tag 时，我得到一个没有<html>-tag 的无效命名空间的异常。 -
BodyContentHandler只返回没有 HTML 标记的正文。 -
tika-app似乎使用TransformerHandler来获取 HTML（我以前从未听说过这种处理程序。）我可以使用它从<body>-tag 获取 HTML 并解析元-给自己贴标签？这比使用ToHTMLContentHandler更好吗？
【问题讨论】：
标签： java xml-parsing apache-tika