Apache Tika-Core 2.6.0中BodyContentHandler解析内容始终为空求助

核心原因 #

1. 依赖缺失：tika-core-2.6.0仅包含Tika的核心框架，不包含任何具体文件格式的解析器（比如PDF解析器）。旧版tika-app-1.1是打包了所有解析器的完整包，所以之前能正常解析PDF；换成tika-core后，因缺少对应格式的解析模块，AutoDetectParser无法找到合适的解析器处理文件，自然无法生成内容。
2. 代码变量错误：你的代码中获取的流对象是stream，但判断非空的却是未关联的documentByteArrayInput——如果这个变量为null，解析逻辑根本不会执行，直接导致handler为空。

修复步骤 #

1. 修正代码变量错误 #

将判断条件改为检查stream是否非空：

InputStream stream = MyClass.class.getResourceAsStream("test1.pdf");
// 修正变量名，匹配实际获取的流对象
if (stream != null) {
    Metadata metadata = new Metadata();
    BodyContentHandler handler= new BodyContentHandler(-1);
    AutoDetectParser parser= new AutoDetectParser();
    parser.parse(stream, handler, metadata);
    String doc= handler.toString().replaceAll("\\s+", "");
    int charsNo= doc.length();
}

2. 添加必要的解析器依赖 #

tika-core本身不提供具体格式的解析能力，需要按需添加解析模块：

• 若需支持PDF及大部分常见格式，添加标准解析器包：

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers-standard-package</artifactId>
    <version>2.6.0</version>
</dependency>

• 若仅需PDF解析，可单独添加PDF解析模块：

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers-pdf-module</artifactId>
    <version>2.6.0</version>
</dependency>

3. 验证解析状态 #

解析后可打印文件类型，确认解析器是否正常加载：

// 解析完成后添加此行，检查是否正确识别文件类型
System.out.println("文件类型：" + metadata.get(Metadata.CONTENT_TYPE));

若输出application/pdf，说明解析器已正常工作，此时handler应能获取到文件内容。

内容的提问来源于stack exchange，提问作者komplRX