apache-tika - 对于大于 2-3MB 的文件大小，Apache tika 解析非常慢

Question

我们正在使用 apache tika 1.24 版本来检测和提取各种文件数据，此代码适用于较小的文件，但无法提取 2-3mb 文件的数据。对于较大尺寸的文件，是否有人遇到过这个库的问题？

private void validate(stream: TikaInputStream) {

            val parser   = new AutoDetectParser();
            val handler  = new BodyContentHandler(-1);
            val metaData = new Metadata();
            val context = new ParseContext();
            val pdfConfig = new PDFParserConfig();
            pdfConfig.setExtractInlineImages(true);
            pdfConfig.setExtractUniqueInlineImagesOnly(true);
            context.set(classOf[PDFParserConfig], pdfConfig);
            context.set(classOf[EmbeddedDocumentExtractor], new EmbeddedImageFinder(t));
            parser.parse(stream, handler, metaData, context);
              val content       = handler.toString();

  }

标签： apache-tika