TIKA - 元数据提取
除了内容之外，Tika 还从文件中提取元数据。元数据只不过是文件提供的附加信息。如果我们考虑音频文件，艺术家姓名、专辑名称、标题都属于元数据。
XMP标准
可扩展元数据平台 (XMP) 是用于处理和存储与文件内容相关的信息的标准。它是由Adobe Systems Inc.创建的。XMP 提供了定义、创建和处理元数据的标准。您可以将此标准嵌入到多种文件格式中，例如PDF、JPEG、JPEG、GIF、jpg、HTML等。
财产类别
Tika 使用 Property 类来遵循 XMP 属性定义。它提供PropertyType和ValueType枚举来捕获元数据的名称和值。
元数据类
该类实现了各种接口，例如ClimateForcast、 CativeCommons 、Geographic、 TIFF 等，以提供对各种元数据模型的支持。此外，此类还提供了各种从文件中提取内容的方法。
元数据名称
我们可以使用方法名称（）从文件的元数据对象中提取文件的所有元数据名称的列表。它将所有名称作为字符串数组返回。使用元数据的名称，我们可以使用get()方法获取值。它采用元数据名称并返回与其关联的值。
String[] metadaNames = metadata.names(); String value = metadata.get(name);
使用 Parse 方法提取元数据
每当我们使用 parse() 解析文件时，我们都会传递一个空的元数据对象作为参数之一。此方法提取给定文件的元数据（如果该文件包含任何元数据），并将它们放入元数据对象中。因此，在使用 parse() 解析文件后，我们可以从该对象中提取元数据。
Parser parser = new AutoDetectParser(); BodyContentHandler handler = new BodyContentHandler(); Metadata metadata = new Metadata(); //empty metadata object FileInputStream inputstream = new FileInputStream(file); ParseContext context = new ParseContext(); parser.parse(inputstream, handler, metadata, context); // now this metadata object contains the extracted metadata of the given file. metadata.metadata.names();
下面给出的是从文本文件中提取元数据的完整程序。
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;
import org.xml.sax.SAXException;
public class GetMetadata {
public static void main(final String[] args) throws IOException, TikaException {
//Assume that boy.jpg is in your current directory
File file = new File("boy.jpg");
//Parser method parameters
Parser parser = new AutoDetectParser();
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
FileInputStream inputstream = new FileInputStream(file);
ParseContext context = new ParseContext();
parser.parse(inputstream, handler, metadata, context);
System.out.println(handler.toString());
//getting the list of all meta data elements
String[] metadataNames = metadata.names();
for(String name : metadataNames) {
System.out.println(name + ": " + metadata.get(name));
}
}
}
将上述代码保存为 GetMetadata.java 并使用以下命令从命令提示符运行它 -
javac GetMetadata .java java GetMetadata
下面给出的是 boy.jpg 的快照
如果执行上面的程序，它将给出以下输出 -
X-Parsed-By: org.apache.tika.parser.DefaultParser Resolution Units: inch Compression Type: Baseline Data Precision: 8 bits Number of Components: 3 tiff:ImageLength: 3000 Component 2: Cb component: Quantization table 1, Sampling factors 1 horiz/1 vert Component 1: Y component: Quantization table 0, Sampling factors 2 horiz/2 vert Image Height: 3000 pixels X Resolution: 300 dots Original Transmission Reference: 53616c7465645f5f2368da84ca932841b336ac1a49edb1a93fae938b8db2cb3ec9cc4dc28d7383f1 Image Width: 4000 pixels IPTC-NAA record: 92 bytes binary data Component 3: Cr component: Quantization table 1, Sampling factors 1 horiz/1 vert tiff:BitsPerSample: 8 Application Record Version: 4 tiff:ImageWidth: 4000 Content-Type: image/jpeg Y Resolution: 300 dots
我们还可以获得我们想要的元数据值。
添加新的元数据值
我们可以使用元数据类的 add() 方法添加新的元数据值。下面给出了该方法的语法。在这里我们添加作者姓名。
metadata.add(“author”,”Tutorials point”);
Metadata 类具有预定义的属性，包括从ClimateForcast、 CativeCommons 、Geographic等类继承的属性，以支持各种数据模型。下面显示的是从 Tika 实现的 TIFF 接口继承的 SOFTWARE 数据类型的用法，以遵循 TIFF 图像格式的 XMP 元数据标准。
metadata.add(Metadata.SOFTWARE,"ms paint");
下面给出的是完整的程序，演示如何将元数据值添加到给定文件。这里，元数据元素的列表显示在输出中，以便您可以观察添加新值后列表中的变化。
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.Arrays;
import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;
import org.xml.sax.SAXException;
public class AddMetadata {
public static void main(final String[] args) throws IOException, SAXException, TikaException {
//create a file object and assume sample.txt is in your current directory
File file = new File("Example.txt");
//Parser method parameters
Parser parser = new AutoDetectParser();
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
FileInputStream inputstream = new FileInputStream(file);
ParseContext context = new ParseContext();
//parsing the document
parser.parse(inputstream, handler, metadata, context);
//list of meta data elements before adding new elements
System.out.println( " metadata elements :" +Arrays.toString(metadata.names()));
//adding new meta data name value pair
metadata.add("Author","Tutorials Point");
System.out.println(" metadata name value pair is successfully added");
//printing all the meta data elements after adding new elements
System.out.println("Here is the list of all the metadata
elements after adding new elements");
System.out.println( Arrays.toString(metadata.names()));
}
}
将上述代码保存为 AddMetadata.java 类并从命令提示符运行它 -
javac AddMetadata .java java AddMetadata
下面给出的是Example.txt的内容
Hi students welcome to tutorialspoint
如果执行上面的程序，它将给出以下输出 -
metadata elements of the given file : [Content-Encoding, Content-Type] enter the number of metadata name value pairs to be added 1 enter metadata1name: Author enter metadata1value: Tutorials point metadata name value pair is successfully added Here is the list of all the metadata elements after adding new elements [Content-Encoding, Author, Content-Type]
为现有元数据元素设置值
您可以使用 set() 方法为现有元数据元素设置值。使用 set() 方法设置日期属性的语法如下 -
metadata.set(Metadata.DATE, new Date());
您还可以使用 set() 方法为属性设置多个值。使用 set() 方法为 Author 属性设置多个值的语法如下 -
metadata.set(Metadata.AUTHOR, "ram ,raheem ,robin ");
下面给出的是演示 set() 方法的完整程序。
import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.util.Date;
import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.parser.ParseContext;
import org.apache.tika.parser.Parser;
import org.apache.tika.sax.BodyContentHandler;
import org.xml.sax.SAXException;
public class SetMetadata {
public static void main(final String[] args) throws IOException,SAXException, TikaException {
//Create a file object and assume example.txt is in your current directory
File file = new File("example.txt");
//parameters of parse() method
Parser parser = new AutoDetectParser();
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
FileInputStream inputstream = new FileInputStream(file);
ParseContext context = new ParseContext();
//Parsing the given file
parser.parse(inputstream, handler, metadata, context);
//list of meta data elements elements
System.out.println( " metadata elements and values of the given file :");
String[] metadataNamesb4 = metadata.names();
for(String name : metadataNamesb4) {
System.out.println(name + ": " + metadata.get(name));
}
//setting date meta data
metadata.set(Metadata.DATE, new Date());
//setting multiple values to author property
metadata.set(Metadata.AUTHOR, "ram ,raheem ,robin ");
//printing all the meta data elements with new elements
System.out.println("List of all the metadata elements after adding new elements ");
String[] metadataNamesafter = metadata.names();
for(String name : metadataNamesafter) {
System.out.println(name + ": " + metadata.get(name));
}
}
}
将上述代码保存为 SetMetadata.java 并从命令提示符运行它 -
javac SetMetadata.java java SetMetadata
下面给出的是 example.txt 的内容。
Hi students welcome to tutorialspoint
如果执行上面的程序，它将给出以下输出。在输出中，您可以观察新添加的元数据元素。
metadata elements and values of the given file : Content-Encoding: ISO-8859-1 Content-Type: text/plain; charset = ISO-8859-1 Here is the list of all the metadata elements after adding new elements date: 2014-09-24T07:01:32Z Content-Encoding: ISO-8859-1 Author: ram, raheem, robin Content-Type: text/plain; charset = ISO-8859-1