我正在将Apache Tika与Java结合使用,以从PDF和Zip文件中提取文本。现在,在处理大文件时,我想向我的应用程序添加进度报告。为此,我需要估计提取大小以计算完成的百分比(通过将其与写入输出的字节数进行匹配)。
我搜索了很多东西,在任何地方都找不到与此相关的任何东西。
apache tika是否提供任何类型的进度报告?有什么解决方法吗?
编辑:我正在使用tika-parsers
组中的Apache Tika tika-server
,org.apache.tika
的Java库。然后使用以下代码通过Java直接调用它们。
AutoDetectParser parser = new AutoDetectParser();
ParseContext context = getParseContext(extractionPolicy, parser);
Metadata metadata = new Metadata();
parser.parse(inputStream, handler, metadata, context);
return metadata;
我的想法是错误的。对于进度报告,而不是估计输出字节和提取大小,我对输入流中的读取字节进行了计数。
将输入字符串包装到AWS开发工具包或Apache Tika提供的CountingInputStream
类中,并将读取的字节与总内容字节进行匹配以获取百分比。
CountingInputStream inputStream;
Long totalContentLength;
private int getProgressPercentage(){
Long processedBytes = this.inputStream.getByteCount();
if (0 < totalContentLength && processedBytes <= totalContentLength) {
int percent = (int) ((processedBytes * 100.0 / totalContentLength));
LOGGER.info("Processed bytes: {}, Total bytes: {}, Progress: {}%", processedBytes, totalContentLength, percent);
return percent;
}
return 0;
}