Nyílt forráskódú Python metaadattár

Mi az a tika-python API a Python számára?

A tika-python egy Python-kötés az Apache Tikához, amely egy robusztus, nyílt forráskódú eszköztár szövegek és metaadatok kinyerésére különböző fájlformátumokból. A több száz fájltípus támogatásával, beleértve a dokumentumokat, képeket, videókat, hangfájlokat és archívumokat, a tika-python lehetővé teszi a fejlesztők számára, hogy zökkenőmentesen és hatékonyan kezeljék a tartalomkivonást és a metaadatelemzést.

A tika-python API jellemzői

• Kiterjedt fájlformátum-támogatás: Kivonja a szöveget és a metaadatokat PDF-ekből, Word-dokumentumokból, Excel-táblázatokból, PowerPoint-bemutatókból, HTML-ből, képekből, multimédiás fájlokból és egyebekből.
• Szövegkivonás: A fájlokat egyszerű szöveggé alakítja, így ideális olyan alkalmazásokhoz, mint a keresési indexelés, a természetes nyelvi feldolgozás (NLP) és az adatbányászat.
• Metaadat-elemzés: Részletes metaadatokat biztosít a fájlokhoz, beleértve a szerzőt, a létrehozás dátumát, a módosítás dátumát, a MIME-típust és egyebeket.
• Nyelvfelismerés: Automatikusan felismeri a dokumentumokban lévő szöveges tartalom nyelvét.
• Tartalomelemzés: Feldolgozza a fájlokat szerkezeti információk, például címsorok, bekezdések és beágyazott tartalom céljából.
• Integráció Apache Tika Serverrel: Kihasználja a Tika REST API-t, lehetővé téve a méretezhető telepítést és a fájlelemzés elválasztását a fő alkalmazástól.

A Tika-Python API előnyei

• Széles formátumtámogatás: A fájltípusok széles skálájával működik.
• Skálázhatóság: Integrálható a Tika szerverrel a nagyméretű tartalom kinyeréséhez.
• Platformok közötti: Bármilyen platformon fut, amelyen Python és Java telepítve van.
• Bővített metaadatok: Átfogó metaadatok kinyerése elemzés céljából.

Ismerkedés a Tika-Python API-val a Pythonhoz

GitHub statisztika

Név:
Nyelv:
Csillagok:
Villák:
Engedély:
Az adattár legutóbbi frissítése:

A tika-Python használatához Python alkalmazásaiban telepítenie kell a Python 3.6+ verzióját a rendszerére. Tehát először telepítse a Pythont, majd az alábbi parancsok segítségével telepítse a Hachoir API-t a gépére a pip és virtuális környezet.

pip install tika

A tika-Python API for Python használata – példák

Használhatja a tika-python API-t a különböző fájltípusok metaadatainak olvasásához. Az API segítségével néhány sornyi kóddal beolvashatja a különböző fájlformátumokból származó metaadatokat. A következő kódpéldák bemutatják, hogyan használható a tika-python API Python alkalmazásokban.

Olvassa el egy fájl metaadat-információit a Pythonhoz készült tika-Python API használatával

A Tika-Python API lehetővé teszi, hogy egyetlen kódsorral kiolvassa a metaadat-információkat egy fájlból. A következő mintakóddal bármelyik dokumentumból kiolvashatja a metaadat-információkat.

Kimenet

Amikor végrehajtja ezt a kódot, a kimenet némileg hasonló lesz a következőhöz:

'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'

Következtetés

Hasonló Termékek