可以在 Apache-Tika 中为单个解析运行两个 ContentHandler 吗？答案

【问题标题】：Possible to run two ContentHandlers for a single parse in Apache-Tika?可以在 Apache-Tika 中为单个解析运行两个 ContentHandler 吗？
【发布时间】：2020-05-22 07:36:38
【问题描述】：

我正在使用 Apache Tika 解析文档并生成文档的纯文本版本和 HTML 预览。如果我调用parse 函数两次并传入两个单独的ContentHandlers，我能够生成两者都很好——这对于纯文本文档非常有用。但是当我得到需要使用 tesseract 进行 OCR 的文档时，这就有点问题了——调用 parse 函数两次是非常浪费的，因为它同时执行了两次 OCR（可能需要一分钟左右）。

我知道我可以编写自己的 ContentHandler，但只是想知道是否有人知道为此提供开箱即用的解决方案？非常感谢！

【问题讨论】：

标签： java tesseract apache-tika

【解决方案1】：

好消息 - Apache Tika 为此提供了一些开箱即用的功能！

TeeContentHandler - Content handler proxy that forwards the received SAX events to zero or more underlying content handlers.

只需创建 2+ 个真正的内容处理程序，将它们传递给 constructor of TeeContentHandler，然后在进行解析时将 TeeContentHandler 交给 Tika

【讨论】：

轰隆隆，来了！非常感谢。