java - 在 RTF 文件中提取 obj 数据的最简单方法

Question

我想提取 RTF 文件中嵌入的 OLE 对象。我更喜欢用 Java 实现它，所以我阅读了 Apache Tika RTFParser (1.25 & 2.0-ALPHA) 的文档和源代码，发现 Tika 只是提取文本用于搜索目的，无法获取 obj 数据。也许基于TextExtractor编写一些代码是可行的。

然后我也在C# 中尝试了这篇文章，但if (type != 3) // 3 is file, 1 is link在 PackagedObject.Extract 中出现错误。

谁能帮我弄清楚在 RTF 文件中提取 obj 数据的最简单方法（更少代码）是什么？首选跨平台和服务器端解决方案（Java 或 .net-core）。但是使用Word。C# 中的应用程序并不重要，因为它依赖于 Word 客户端，有时会意外终止。

标签： javaasp.net-corertfapache-tika

Answer 1

如果您想使用 Apache Tika 提取原始字节，请尝试使用 Tika 应用程序的 -z 命令行选项或使用 tika-server的/unpack 端点。是的，Tika 专注于文本/元数据提取，但它也可用于提取原始嵌入文件。