位置：首頁 > Java技術 > Tika教學 > TIKA元數據提取

TIKA元數據提取

 上一篇 下一篇  

除了內容，Tika還可以從一個文件中提取元數據。元數據是什麼，但用文件所提供的附加信息。如果我們考慮一個音頻文件，藝術家名，專輯名，標題下自帶的元數據。

XMP標準

可擴展元數據平台(XMP)是用於處理和涉及到的文件的內容存儲信息的標準。它是由Adobe係統公司的XMP創建提供了用於定義，創建和元數據的處理標準。可以嵌入該標準為多種文件格式，如PDF，JPEG，JPEG，GIF，JPG，HTML等。

Property 類

Tika使用屬性類遵循XMP屬性定義。它提供了PropertyType和值類型枚舉捕獲的元數據的名稱和值。

Metadata 類

這個類實現了各種接口，如ClimateForcast, CativeCommons,Geographic, TIFF 等提供各種元數據模型的支持。此外，此類提供各種方法來提取一個文件的內容。

Metadata 名稱

我們可以從它的元數據對象用的方法()提取一個文件的所有元數據的名稱的列表。它返回所有的名字作為一個字符串數組。使用元數據的名稱，就可以得到使用get()方法的值。它需要一個元數據的名稱，並返回與它相關聯的值。

String[] metadaNames = metadata.names();

String value = metadata.get(name);

使用解析法提取元數據

當我們分析一個使用文件parse()，傳遞一個空的元數據對象作為一個參數。這種方法提取指定的文件的元數據(如果該文件中包含有)，並將它們放置在元數據對象。因此，在使用parse()解析文件後，就可以提取該對象的元數據。

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();

下麵給出的是一個完整的程序，從文本文件中提取元數據。


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));
      }
   }
}

將以上代碼保存為GetMetadata.java並在命令提示符處使用以下命令運行它：

javac  GetMetadata .java
java  GetMetadata

注意：假設下麵的圖片是boy.jpg

jpg

它提供了以下的輸出：

Resolution Units: inch
Compression Type: Baseline
Data Precision: 8 bits
Number of Components: 3
tiff:ImageLength: 1000
Component 2: Cb component: Quantization table 1, Sampling factors 1 horiz/1 vert
Component 1: Y component: Quantization table 0, Sampling factors 1 horiz/1 vert
Image Height: 1000 pixels
X Resolution: 300 dots
Original Transmission Reference: 53616c7465645f5fd22a84941585d89cc735d889c9d5ac58a01faf2c92ee3c6f9bcb38359bbe1eef
Image Width: 714 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: 714
Content-Type: image/jpeg
Y Resolution: 300 dots

還可以得到想要的元數據值。

添加新的元數據值

可以添加使用元數據類的add()方法新的元數據值。下麵給出的是該方法的語法。在這裡要添加的作者名字。

metadata.add(“author”,”Tutorials yiibai”);

元數據Metadata類預定義的屬性包括類，如ClimateForcast，CativeCommons，Geographic繼承等，以支持各種數據模型的屬性。下麵示出的是從由提卡實施遵循XMP元數據標準的TIFF圖像格式的TIFF接口繼承了軟件數據類型的使用。

metadata.add(Metadata.SOFTWARE,"ms paint");

下麵給出的是演示如何將元數據值添加到一個給定文件的完整程序。這裡的元數據元素的列表被顯示在輸出，這樣就可以增加新的值之後，觀察在列表中的變化。

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()));
   }
}

將以上代碼保存為AddMetadata.java類，然後從命令提示符下運行它：

javac  AddMetadata .java 
java  AddMetadata

假設 example.txt 有下列內容：

Hi students welcome to yiibai

它提供了以下的輸出：

metadata elements of the given file :[Content-Encoding, Content-Type]

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]

設定值，用現有的元數據元素

可以設置值，使用set()方法在現有的元數據元素。使用set()方法設置的時間屬性的語法如下：

metadata.set(Metadata.DATE, new Date());

還可以設置多個值，以使用set()方法的屬性。使用set()方法多個值設定為作者屬性的語法如下：

metadata.set(Metadata.AUTHOR, "ram ,raheem ,robin ");

下麵給出的是一個完整的程序演示set()方法。

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));
      }
   }
}

將以上代碼保存為SetMetadata.java並在命令提示符下運行：

javac  SetMetadata.java 
java  SetMetadata

注意：假設sample.txt 有下列內容：

Hi students welcome to yiibai

在輸出中，可以看到新添加的元數據元素。

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


 上一篇 下一篇  
極客書 © 2015-2020 . Email:   關於我們