Apache Tika的C/C++替代方案

C/C++ alternative to Apache Tika

本文关键字：方案 C++ Tika Apache 更新时间：2023-10-16

我正在为基于Java的Apache Tika框架寻找C/C++替代方案。具体来说，我正在一个框架下搜索文件meadatata和结构化文本提取。经过一些在线搜索和浏览，我拥有的最接近的东西是GNU libextractor和一组单独的文件过滤器，它们解析文档以提取文本数据（pdftoext、xls2csv.etc）

有人能推荐一个可以与Apache的Tika相媲美的好库吗？

感谢

KDE提供了一个名为KFileMetaData的库，它们在内部用于文件索引器。

它使用C++、Qt5，并支持大多数基本格式，如-ms-office-2007、odfs、pdfs、图像、视频、音频和电子书。

Tika有一个网络服务器模式，所以你总是可以用它启动Tika，然后从你的C++代码中向它发送请求？

或者，Tika具有CLI模式，因此您可以每次启动一个新的Tika进程并从管道中读取数据。