当前位置：首页 > news >正文

Spring Boot + Apache Tika 从文件或文件流中提取文本内容

news 2025/9/9 7:29:03

应用效果：

1、安装 Apache Tika 依赖

pom.xml

    <!-- Apache Tika 从文件中提取结构化文本和元数据 --><dependency><groupId>org.apache.tika</groupId><artifactId>tika-core</artifactId><version>2.9.2</version></dependency><dependency><groupId>org.apache.tika</groupId><artifactId>tika-parsers-standard-package</artifactId><version>2.9.2</version></dependency>

2、前端 Vue3

API：qualityFile.ts

/*** 从文件或文件流中提取文本内容* @param fileNo 文件编号（可能包含非安全字符，如：4.2 2人员v∕V/v+DW=dw，其中空格、全角斜杠∕、半角斜杠/、加号+、非ASCII字符（如中文、日文等），这些字符为非安全字符，在URL中都会被编码传输）* @returns 文本内容*/
export const qualityFileParseService = (fileNo: string) => {return request.get("/resources/qualityFile/parse", {params: {fileNo: fileNo}});
};

UI：QualityFile.vue

// 提取
const onParseClick = async (fileNo: string) => {const result = await qualityFileParseService(fileNo);store.currentParseFileText = result.data;// 显示质量体系文件文本提取内容模态框showContentDialogRef.value?.showDialog();
};<BasePreventReClickButtonclass="table-btn"type="primary"size="default"text:loading="false":disabled="scope.row.isNullContent"@click="onParseClick(scope.row.fileNo)">提取</BasePreventReClickButton>

3、后端 Spring Boot

Controller：QualityFileController.java

    /*** 从文件或文件流中提取文本内容** @param fileNo 文件编号（可能包含非安全字符，如：4.2 2人员v∕V/v+DW=dw，其中空格、全角斜杠∕、半角斜杠/、加号+、中文为非安全字符）* @return 文本内容* @apiNote 本接口使用防抖机制，3s 内重复请求会被忽略*/@GetMapping("/parse")@Debounce(key = "/resources/qualityFile/parse", value = 3000)public Result<String> parse(String fileNo) throws TikaException, IOException {log.info("【质量体系文件】，提取文件中的文本内容，/resources/qualityFile/parse，fileNo = {}", fileNo);String fileContentStr = qualityFileService.parse(fileNo);return Result.success(fileContentStr);}

Service：QualityFileService.java

    /*** 从文件或文件流中提取文本内容*/String parse(String fileNo) throws TikaException, IOException;

Service 实现：QualityFileServiceImpl.java

    /*** 从文件或文件流中提取文本内容*/@Overridepublic String parse(String fileNo) throws TikaException, IOException {// 获取文件数据FileData fileData = qualityFileMapper.selectFileData(fileNo);// 从文件名中获取路径分隔符String pathSplitString = FileUtils.getPathSplitString(fileData.getFileName());// 有路径分隔符，提取本地磁盘中文件的文本内容if (!pathSplitString.isEmpty()) {// 获取文件绝对路径String filePathName = FileUtils.joinDirectoryPath(mainDirectoryPath, fileData.getFileName());// 提取本地磁盘中文件的文本内容return FileUtils.parseFile(new File(filePathName));}// 无路径分隔符，提取数据库中文件流的文本内容else {InputStream fileStream = new ByteArrayInputStream(fileData.getFileContent());// 提取数据库中文件流的文本内容return FileUtils.parseFile(fileStream);}}

文件工具类：FileUtils.java

package com.weiyu.utils;import org.apache.tika.Tika;
import org.apache.tika.exception.TikaException;import java.io.File;
import java.io.IOException;
import java.io.InputStream;/*** 文件工具*/
public class FileUtils {private static final Tika tika = new Tika();/*** 解析文件，提取文件中的文本内容** @param file 文件* @return 文件中的文本内容* @throws IOException IO异常* @throws TikaException Tika异常*/public static String parseFile(File file) throws IOException, TikaException {return tika.parseToString(file);}/*** 解析文件，提取文件流中的文本内容** @param fileStream 文件流* @return 文件中的文本内容* @throws IOException IO异常* @throws TikaException Tika异常*/public static String parseFile(InputStream fileStream) throws IOException, TikaException {return tika.parseToString(fileStream);}
}