将元数据存储到 Jackrabbit 存储库中

Question

谁能向我解释一下，在以下情况下如何进行？

1. 接收文档（MS 文档、ODS、PDF）

2. 通过 Apache Tika 进行公共核心元数据提取 + 通过 jackrabbit-content-extractors 进行内容提取

3. 使用 Jackrabbit 将文档（内容）与其元数据一起存储到存储库中？

4. 检索文档 + 元数据

我对第 3 点和第 4 点感兴趣...

详细信息： 该应用程序以交互方式处理文档（一些分析 - 语言检测、字数统计等 + 收集尽可能多的细节 - 都柏林核心 + 解析内容/事件处理），以便将处理结果返回给用户，然后将提取的内容返回给用户和元数据（提取的和自定义的用户元数据）存储到 JCR 存储库

感谢任何帮助，谢谢

Answer 1

JCR 2.0 的上传文件与 JCR 1.0 基本相同。然而，JCR 2.0 添加了一些额外的有用的内置属性定义。

“nt:file”节点类型旨在表示一个文件，并且在 JCR 2.0 中具有两个内置属性定义（这两个定义都是在创建节点时由存储库自动创建的）：

• jcr:created (DATE)
• jcr: createBy (STRING)

并定义一个名为“jcr:content”的子项。这个“jcr:content”节点可以是任何节点类型，但一般来说，与内容本身有关的所有信息都存储在这个子节点上。事实上的标准是使用“nt:resource”节点类型，它定义了以下属性：

• jcr:data (BINARY) 强制
• jcr:lastModified (DATE) 自动创建
• jcr:lastModifiedBy (STRING) 自动创建
• jcr:mimeType (STRING) 受保护？
• jcr：编码（字符串）受保护吗？

请注意，JCR 2.0 中添加了“jcr:mimeType”和“jcr:encoding”。

特别是，“jcr:mimeType”属性的目的是完全按照您的要求进行操作 - 捕获内容的“类型”。但是，“jcr:mimeType”和“jcr:encoding”属性定义可以（由 JCR 实现）定义为受保护（意味着 JCR 实现自动设置它们） - 如果是这种情况，则不允许您手动设置这些属性。我相信 Jackrabbit 和 ModeShape 不会将它们视为受保护。

下面是一些代码，展示了如何使用这些内置节点类型将文件上传到 JCR 2.0 存储库：

// Get an input stream for the file ...
File file = ...
InputStream stream = new BufferedInputStream(new FileInputStream(file));

Node folder = session.getNode("/absolute/path/to/folder/node");
Node file = folder.addNode("Article.pdf","nt:file");
Node content = file.addNode("jcr:content","nt:resource");
Binary binary = session.getValueFactory().createBinary(stream);
content.setProperty("jcr:data",binary);

如果 JCR 实现不将“jcr:mimeType”属性视为受保护（即 Jackrabbit 和 ModeShape），则您必须手动设置此属性：

content.setProperty("jcr:mimeType","application/pdf");

元数据可以很容易地存储在“nt:file”和“jcr:content”节点上，但开箱即用的“nt:file”和“nt:resource”节点类型不允许额外的属性。因此，在添加其他属性之前，首先需要添加一个 mixin（或多个 mixin），其中包含要存储的属性类型的属性定义。您甚至可以定义一个允许任何属性的 mixin。下面是定义此类 mixin 的 CND 文件：

<custom = 'http://example.com/mydomain'>
[custom:extensible] mixin
- * (undefined) multiple 
- * (undefined) 

注册此节点类型定义后，您可以在节点上使用它：

content.addMixin("custom:extensible");
content.setProperty("anyProp","some value");
content.setProperty("custom:otherProp","some other value");

您还可以定义并使用允许任何 Dublin Core 元素：

<dc = 'http://purl.org/dc/elements/1.1/'>
[dc:metadata] mixin
- dc:contributor (STRING)
- dc:coverage (STRING)
- dc:creator (STRING)
- dc:date (DATE)
- dc:description (STRING)
- dc:format (STRING)
- dc:identifier (STRING)
- dc:language (STRING)
- dc:publisher (STRING)
- dc:relation (STRING)
- dc:right (STRING)
- dc:source (STRING)
- dc:subject (STRING)
- dc:title (STRING)
- dc:type (STRING)

所有这些属性都是可选的，并且此 mixin 不允许任何名称或类型的属性。我还没有真正解决这个“dc：元数据”混合问题，因为其中一些已经用内置属性表示（例如“jcr：createBy”，“jcr：lastModifiedBy”，“jcr：created” 、“jcr:lastModified”、“jcr:mimeType”），其中一些可能与内容更相关，而另一些则与文件更相关。

当然，您可以定义其他更适合您的元数据需求的 mixin，并在需要时使用继承。但是要小心地使用 mixins 的继承 - 因为 JCR 允许一个节点有多个 mixins，所以通常最好将 mixins 设计为严格范围和面向方面的（例如，“ex:taggable”、“ex:describable”等）然后根据需要将适当的 mixin 应用于节点。

（尽管要复杂得多，但甚至可以定义一个 mixin，允许在“nt:file”节点下有更多子项，并在那里存储一些元数据。）

Mixin 非常出色，为您的 JCR 提供了巨大的灵活性和强大功能内容。

哦，当您创建了所需的所有节点后，请务必保存会话：

session.save();

Answer 2

我对 JCR 有点生疏，而且我从未使用过 2.0，但这应该可以帮助您入门。

请参阅此链接。您需要打开第二条评论。

您只需将文件存储在节点中并向该节点添加其他元数据即可。以下是如何存储文件：

Node folder = session.getRootNode().getNode("path/to/file/uploads"); 
Node file = folder.addNode(fileName, "nt:file"); 
Node fileContent = file.addNode("jcr:content"); 
fileContent.setProperty("jcr:data", fileStream);
// Add other metadata
session.save();

如何存储元数据取决于您。一种简单的方法是仅存储键值对：

fileContent.setProperty(key, value, PropertyType.STRING);

要读取数据，只需调用 getProperty() 即可。

fileStream = fileContent.getProperty("jcr:data");
value = fileContent.getProperty(key);

Answer 3

我是 Jackrabbit 的新手，正在开发 2.4.2。
至于您的解决方案，您可以使用核心 java 逻辑检查类型，并放置定义操作中任何变化的案例。

您无需担心将不同 .txt 或 .pdf 的内容保存为其文件的问题
内容转换为二进制并保存。
这是一个小示例，我在 jackrabbit 存储库中上传和下载了 pdf 文件。

    // Import the pdf file unless already imported 
            // This program is for sample purpose only so everything is hard coded.
        if (!root.hasNode("Alfresco_E0_Training.pdf"))
        { 
            System.out.print("Importing PDF... "); 

            // Create an unstructured node under which to import the XML 
            //Node node = root.addNode("importxml", "nt:unstructured"); 
            Node file = root.addNode("Alfresco_E0_Training.pdf","nt:file");

            // Import the file "Alfresco_E0_Training.pdf" under the created node 
            FileInputStream stream = new FileInputStream("<path of file>\\Alfresco_E0_Training.pdf");
            Node content = file.addNode("jcr:content","nt:resource");
            Binary binary = session.getValueFactory().createBinary(stream);
            content.setProperty("jcr:data",binary);
            stream.close();
            session.save(); 
            //System.out.println("done."); 
            System.out.println("::::::::::::::::::::Checking content of the node:::::::::::::::::::::::::");
            System.out.println("File Node Name : "+file.getName());
            System.out.println("File Node Identifier : "+file.getIdentifier());
            System.out.println("File Node child : "+file.JCR_CHILD_NODE_DEFINITION);
            System.out.println("Content Node Name : "+content.getName());
            System.out.println("Content Node Identifier : "+content.getIdentifier());
            System.out.println("Content Node Content : "+content.getProperty("jcr:data"));
            System.out.println(":::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::");

        }else
        {
            session.save();
            Node file = root.getNode("Alfresco_E0_Training.pdf");
            Node content = file.getNode("jcr:content");
            String path = content.getPath();
            Binary bin = session.getNode(path).getProperty("jcr:data").getBinary();
            InputStream stream = bin.getStream();
             File f=new File("C:<path of the output file>\\Alfresco_E0_Training.pdf");

              OutputStream out=new FileOutputStream(f);
              byte buf[]=new byte[1024];
              int len;
              while((len=stream.read(buf))>0)
              out.write(buf,0,len);
              out.close();
              stream.close();
              System.out.println("\nFile is created...................................");


            System.out.println("done."); 
            System.out.println("::::::::::::::::::::Checking content of the node:::::::::::::::::::::::::");
            System.out.println("File Node Name : "+file.getName());
            System.out.println("File Node Identifier : "+file.getIdentifier());
            //System.out.println("File Node child : "+file.JCR_CHILD_NODE_DEFINITION);
            System.out.println("Content Node Name : "+content.getName());
            System.out.println("Content Node Identifier : "+content.getIdentifier());
            System.out.println("Content Node Content : "+content.getProperty("jcr:data"));
            System.out.println(":::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::::");
        } 

        //output the repository content
        } 
    catch (IOException e){
        System.out.println("Exception: "+e);
    }
    finally { 
        session.logout(); 
        } 
        } 
}

希望这有帮助