Apache Tika 1.8文档解析工具
老项目里常遇到 Office 文档或 PDF 要提取内容的情况？tika-app-1.8.jar真的挺管用的。Apache 出品，支持格式全，像.doc、.xlsx、.pdf、.html，基本都能解析，效果还不错。
用tika-app解析docx只要一行命令，连依赖都省了。比如你扔个 PDF 进去，它就能把文本干干净净提出来，挺适合批量文档那种场景。
不写代码也能用？对，命令行模式下直接运行java -jar tika-app-1.8.jar就行，支持检测 MIME 类型、抽取文本，甚至带点语言识别的功能。
不过要注意，1.8版本算老了，适合老系统用。新项目建议用新一点的版本，或者直接用 Tika 的 Java 类库集成到后端里，扩展性更强。
如果你还在找能读 Office、PDF、HTML 的 Java 工具，可以顺手看看这篇；Python 的同学也有 PDF 解析方向的推荐，比如这篇也蛮实用的。
文件大小：44.1MB
评论区