C/C++ Apache Tika 的替代品
我正在寻找基于 Java 的 Apache Tika 框架的 C/C++ 替代方案。具体来说，我正在一个框架下搜索文件元数据和结构化文本提取。经过一些在线搜索和浏览后，我拥有的最接近的是 GNU libextractor 和一堆解析文档以提取文本数据的单独文件过滤器（pdftoext、xls2csv ..etc）
任何人都可以推荐一个好的库吗可以与阿帕奇的蒂卡媲美吗？
谢谢
I am looking for a C/C++ alternative for Apache Tika framework which is Java based. Specifically, I am searching for file meatadata and structured text extraction all under one framework. After some online searching and browsing the closest thing I have is GNU libextractor and a bunch of individual file filters that parse documents to extract text data (pdftoext, xls2csv ..etc)
Can anyone please recommend a good library comparable to Apache's Tika ?
Thanks
如果你对这篇内容有疑问，欢迎到本站社区发帖提问 参与讨论，获取更多帮助，或者扫码二维码加入 Web 技术交流群。
绑定邮箱获取回复消息
由于您还没有绑定你的真实邮箱，如果其他用户或者作者回复了您的评论，将不能在第一时间通知您！
发布评论
评论（2）
KDE 提供了一个名为 KFileMetaData 他们内部将其用于文件索引器。
它使用C++、Qt5并支持大多数基本格式，例如ms-office-2007、odfs、pdf、图像、视频、音频和电子书。
KDE provides a library called KFileMetaData which they internally use for their file indexer.
It uses C++, Qt5 and supports most of the basic formats such as - ms-office-2007, odfs, pdfs, images, video, audio and ebooks.
Tika 有一个网络服务器模式，所以你总是可以使用它启动 Tika，然后从你的 C++ 代码向它发送请求？
或者，Tika 有 CLI 模式，因此您可以每次启动一个新的 Tika 进程并从管道读取数据。
Tika has a network server mode, so you could always start Tika using that and then send it requests from your C++ code?
Alternately, Tika has a CLI mode, so you could fire off a new Tika process each time and read the data from the pipe.