Pustaka Metadata Python Sumber Terbuka

Apa itu tika-python API untuk Python?

tika-python adalah pengikatan Python untuk Apache Tika, perangkat sumber terbuka yang tangguh untuk mengekstraksi teks dan metadata dari berbagai format file. Dengan dukungan untuk ratusan jenis file, termasuk dokumen, gambar, video, file audio, dan arsip, tika-python memungkinkan pengembang untuk menangani ekstraksi konten dan analisis metadata dengan cara yang lancar dan efisien.

Fitur API tika-python

• Dukungan Format File yang Luas: Mengekstrak teks dan metadata dari PDF, dokumen Word, lembar kerja Excel, presentasi PowerPoint, HTML, gambar, file multimedia, dan banyak lagi.
• Ekstraksi Teks: Mengubah file menjadi teks biasa, membuatnya ideal untuk aplikasi seperti pengindeksan pencarian, pemrosesan bahasa alami (NLP), dan penambangan data.
• Analisis Metadata: Menyediakan metadata terperinci untuk file, termasuk penulis, tanggal pembuatan, tanggal modifikasi, jenis MIME, dan banyak lagi.
• Deteksi Bahasa: Secara otomatis mendeteksi bahasa konten teks dalam dokumen.
• Analisis Konten: Memilah berkas untuk informasi struktural, seperti judul, paragraf, dan konten yang disematkan.
• Integrasi dengan Apache Tika Server: Memanfaatkan Tika REST API, yang memungkinkan penerapan yang dapat diskalakan dan pemisahan penguraian file dari aplikasi utama.

Keuntungan dari API Tika-Python

• Dukungan Format Lebar: Bekerja dengan beragam jenis file.
• Skalabilitas: Dapat diintegrasikan dengan server Tika untuk ekstraksi konten berskala besar.
• Lintas Platform: Berjalan pada platform apa pun dengan Python dan Java yang terpasang.
• Metadata yang Kaya: Mengekstrak metadata yang komprehensif untuk analisis.

Memulai dengan Tika-Python API untuk Python

Statistik GitHub

Nama:
Bahasa:
Bintang:
Garpu:
Lisensi:
Repositori terakhir diperbarui pada

Untuk menggunakan tika-Python dalam aplikasi Python Anda, Anda harus menginstal Python versi 3.6+ di sistem Anda. Jadi, pertama-tama instal Python lalu gunakan perintah di bawah ini untuk menginstal API Hachoir di komputer Anda menggunakan pip dan lingkungan virtual.

pip install tika

Bekerja dengan tika-Python API untuk Python - Contoh

Anda dapat menggunakan tika-python API untuk membaca informasi metadata dari berbagai jenis file. API ini memungkinkan Anda membaca informasi metadata dari berbagai format file hanya dengan beberapa baris kode. Contoh kode berikut menunjukkan bagaimana tika-python API dapat digunakan dalam aplikasi Python.

Membaca Informasi Metadata dari sebuah File menggunakan tika-Python API untuk Python

API Tika-Python memungkinkan Anda membaca informasi metadata dari sebuah berkas hanya dengan satu baris kode. Anda dapat menggunakan contoh kode berikut untuk membaca informasi metadata dari dokumen apa pun.

Keluaran

Saat Anda menjalankan kode ini, outputnya akan mirip dengan berikut ini:

'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'

Kesimpulan

Produk Sejenis