Colin's Blog
[java] Apache Tika 에서 텍스트 인쇄

Apache Tika는 Java 기반의 오픈 소스 라이브러리로써, 다양한 파일 형식의 데이터를 추출하고 처리할 수 있는 기능을 제공합니다. 이번에는 Apache Tika를 사용하여 텍스트를 인쇄하는 방법에 대해 알아보겠습니다.

Apache Tika 설치

Apache Tika를 사용하기 위해서는 먼저 해당 라이브러리를 설치해야 합니다. Maven을 사용한다면 pom.xml 파일에 아래의 의존성을 추가해주세요:

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-core</artifactId>
    <version>1.26</version>
</dependency>

Gradle을 사용한다면 build.gradle 파일에 아래의 의존성을 추가해주세요:

implementation 'org.apache.tika:tika-core:1.26'

의존성을 추가한 후, 프로젝트를 다시 빌드해주세요.

텍스트 추출 예제

이제 Apache Tika를 사용하여 텍스트를 추출하는 예제를 살펴보겠습니다.

import org.apache.tika.exception.TikaException;
import org.apache.tika.metadata.Metadata;
import org.apache.tika.parser.AutoDetectParser;
import org.apache.tika.sax.BodyContentHandler;

import org.xml.sax.SAXException;

import java.io.File;
import java.io.FileInputStream;
import java.io.IOException;
import java.io.InputStream;

public class TextExtractor {
    public static void main(String[] args) {
        try {
            // 추출할 파일 경로
            String filePath = "path/to/file";

            // 파일 입력 스트림 생성
            File file = new File(filePath);
            InputStream inputStream = new FileInputStream(file);

            // Tika 파서 생성
            AutoDetectParser parser = new AutoDetectParser();
            BodyContentHandler handler = new BodyContentHandler();

            // 메타데이터 객체 생성
            Metadata metadata = new Metadata();

            // 텍스트 추출
            parser.parse(inputStream, handler, metadata);

            // 추출된 텍스트 출력
            System.out.println("Extracted Text: " + handler.toString());

            // 메타데이터 정보 출력
            System.out.println("Metadata: ");

            for (String name : metadata.names()) {
                System.out.println(name + ": " + metadata.get(name));
            }

            // 스트림 닫기
            inputStream.close();
        } catch (IOException | TikaException | SAXException e) {
            e.printStackTrace();
        }
    }
}

위 예제는 지정한 파일에서 텍스트를 추출하는 방법을 보여줍니다. 파일 경로를 path/to/file로 수정하고 실행하면, 해당 파일에서 추출된 텍스트와 메타데이터가 출력되게 됩니다.

Apache Tika를 사용하면 다양한 파일 형식에서 텍스트를 추출할 수 있으며, 필요에 따라 텍스트 데이터를 처리하고 활용할 수 있습니다.

참고 자료

© 2018 Colin. All rights reserved.