Avoimen lähdekoodin Python-metatietokirjasto

Mikä on tika-python API Pythonille?

tika-python on Python-sidos Apache Tikalle. Se on kestävä avoimen lähdekoodin työkalupakki tekstin ja metatietojen poimimiseen eri tiedostomuodoista. Tika-python tukee satoja tiedostotyyppejä, kuten asiakirjoja, kuvia, videoita, äänitiedostoja ja arkistoja, ja antaa kehittäjille mahdollisuuden käsitellä sisällön poimimista ja metatietojen analysointia saumattomalla ja tehokkaalla tavalla.

Tika-python API:n ominaisuudet

• Laaja tiedostomuototuki: Poimii tekstiä ja metatietoja PDF-tiedostoista, Word-asiakirjoista, Excel-laskentataulukoista, PowerPoint-esityksistä, HTML:stä, kuvista, multimediatiedostoista ja muista.
• Tekstin purkaminen: Muuntaa tiedostot tavalliseksi tekstiksi, mikä tekee siitä ihanteellisen haun indeksointiin, luonnollisen kielen käsittelyyn (NLP) ja tiedon louhintaan.
• Metatietojen analyysi: Tarjoaa tiedostoille yksityiskohtaiset metatiedot, mukaan lukien tekijä, luontipäivämäärä, muokkauspäivämäärä, MIME-tyyppi ja paljon muuta.
• Kielen tunnistus: Tunnistaa automaattisesti asiakirjojen tekstisisällön kielen.
• Sisältöanalyysi: jäsentää tiedostot rakennetietojen, kuten otsikoiden, kappaleiden ja upotetun sisällön, saamiseksi.
• Integraatio Apache Tika Serverin kanssa: Hyödyntää Tika REST API:ta, mikä mahdollistaa skaalautuvan käyttöönoton ja tiedostojen jäsentämisen erottamisen pääsovelluksesta.

Tika-Python API:n edut

• Laajamuotoinen tuki: Toimii useiden tiedostotyyppien kanssa.
• Skaalautuvuus: Voidaan integroida Tika-palvelimeen laajamittaista sisällön poimimista varten.
• Alustojen välinen: toimii kaikilla alustoilla, joihin on asennettu Python ja Java.
• Rich metadata: Poimii kattavat metatiedot analysointia varten.

Pythonin Tika-Python API:n käytön aloittaminen

GitHub-tilastot

Nimi:
Kieli:
Tähdet:
Haarukat:
Lisenssi:
Arkisto päivitettiin viimeksi klo

Tika-Pythonin käyttäminen Python-sovelluksissa edellyttää Python 3.6+ -version asentamista järjestelmääsi. Joten asenna ensin Python ja asenna sitten Hachoir API koneellesi alla olevien komentojen avulla käyttämällä pip ja virtuaaliympäristö.

pip install tika

Työskentely tika-Python API:n kanssa Pythonille - Esimerkkejä

Voit käyttää tika-python APIa metatietotietojen lukemiseen eri tiedostotyypeistä. API:n avulla voit lukea metatietotiedot eri tiedostomuodoista vain muutamalla koodirivillä. Seuraavat koodiesimerkit osoittavat, kuinka tika-python API:ta voidaan käyttää Python-sovelluksissa.

Lue tiedoston metatietotiedot Pythonin tika-Python API:n avulla

Tika-Python API:n avulla voit lukea metatietotiedot tiedostosta yhdellä koodirivillä. Voit käyttää seuraavaa esimerkkikoodia lukeaksesi metatietotiedot mistä tahansa asiakirjasta.

Lähtö

Kun suoritat tämän koodin, tulos on jonkin verran seuraavanlainen:

'tiff:ImageLength': '720', 'resourceName': "b'media_file.mp4'", 'dcterms:created': '1904-01-01T00:00:00Z', 'dcterms:modified': '1904-01-01T00:00:00Z', 'xmpDM:audioChannelType': 'Stereo', 'xmpDM:audioSampleRate': '44100', 'xmpDM:videoCompressor': 'AVC Coding', 'X-TIKA:Parsed-By': ['org.apache.tika.parser.DefaultParser', 'org.apache.tika.parser.mp4.MP4Parser'], 'X-TIKA:parse_time_millis': '155', 'X-TIKA:embedded_depth': '0', 'Content-Length': '18630470', 'tiff:ImageWidth': '1280', 'xmpDM:duration': '116.26', 'Content-Type': 'video/mp4'

Johtopäätös

Samankaltaisia Tuotteita