TIKA - 元数据提取( Metadata Extraction)
除了内容，Tika还从文件中提取元数据。 元数据只不过是随文件提供的附加信息。 如果我们考虑音频文件，则艺术家姓名，专辑名称，标题属于元数据。
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。 它由Adobe Systems Inc.创建。 XMP提供了定义，创建和处理metadata 。 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。
物业类
Tika使用Property类来遵循XMP属性定义。 它提供PropertyType和ValueType枚举以捕获元数据的名称和值。
元数据类
该类实现各种接口，如ClimateForcast，CativeCommons， Geographic ，TIFF等，以支持各种元数据模型。 此外，该类提供了从文件中提取内容的各种方法。
元数据名称
我们可以使用方法names()从其元数据对象中提取文件的所有元数据名称列表。 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之关联的值。
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其中一个参数。 此方法提取给定文件的元数据（如果该文件包含任何文件），并将它们放在元数据对象中。 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();
下面给出了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));
}
}
}
将上面的代码保存为GetMetadata.java并使用以下命令从命令提示符运行它 -
javac GetMetadata .java
java GetMetadata
以下是boy.jpg的快照
如果你执行上面的程序，它会给你以下输出 -
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
我们还可以获得所需的元数据值。
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。 下面给出了此方法的语法。 这里我们添加作者姓名。
metadata.add(“author”,”IOWIKI”);
Metadata类具有预定义属性，包括从ClimateForcast，CativeCommons， Geographic等类继承的属性，以支持各种数据模型。 下面显示的是使用从Tika实现的TIFF接口继承的SOFTWARE数据类型，以遵循TIFF图像格式的XMP元数据标准。
metadata.add(Metadata.SOFTWARE,"ms paint");
以下是完整的程序，演示如何将元数据值添加到给定文件。 此处，元数据元素列表显示在输出中，以便您可以在添加新值后观察列表中的更改。
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","IOWIKI");
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()));
}
}
将上面的代码保存为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 iowiki
如果你执行上面的程序，它会给你以下输出 -
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:
IOWIKI 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]
将值设置为现有元数据元素
您可以使用set（）方法将值设置为现有元数据元素。 使用set（）方法设置date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 ");
下面给出了演示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));
}
}
}
将上面的代码保存为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 iowiki
如果执行上述程序，它将为您提供以下输出。 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
