1
我使用伟大的Apache Tika库解析文件。我想用我自己的解析器提取元标记，然后仅从<body> -tag获取HTML内容并将其存储在数据库中。解析元标记并从Tika身上获取HTML内容
现在我已经试过这几个小时/天:-(，但无法找到一个解决方案：当我使用ToHTMLContentHandler后的<body> -tag我得到一个无效的命名空间异常而不
<html>-tag。BodyContentHandler仅返回正文中不包含HTML标签。- 的
tika-app似乎用一个TransformerHandler获得HTML（我从来没有听说过这样的处理程序befor的e。）我可以使用它来从<body>-tag获取HTML并自己解析元标记吗？这是比使用ToHTMLContentHandler更好的方法吗？
谢谢，我不知道这些有趣的文章，但他们不解决我的问题。当我伪造''开始元素时，我终于使用'TransformerHandler'，它也在'
'标签后面工作。 – Sonson123 2013-03-19 13:04:45很高兴在这里！如果你对你的问题有一些解决方案，你可以在这里发布它并将此线程标记为“已回答”。所以，有类似问题的其他人可以从这里获得参考。 – 2013-03-26 05:15:09
很难发布我的解决方案的通用版本，它只是一个黑客。如果任何人有类似的问题，我会建议他看看'tika-app'的来源，并阅读更多关于XSLT处理的内容。 – Sonson123 2013-03-26 16:36:37