java - 简单的 Tika 型探测器和 Apache POI

Question

我正在使用 Apache Tika、1.7 和 Apache POI 从 Maven 构建的项目中的 .doc 和 docx 文档中提取文本。由于某种原因，我得到了

java.lang.NoSuchMethodError: org.apache.poi.util.IOUtils.calculateChecksum

错误。正如 Apache POI FAQ 中所述，这是版本问题造成的。所以显而易见的解决方案是升级 POI 之类的。问题是我使用的是 tika-parsers 包中与 tika 捆绑在一起的 POI 版本。这是因为我使用的是 Tika 类型检测器，这是我使用的 Tika 的唯一部分(POI 除外)。问题是，如果我仅使用 tika-core 包并在 maven pom.xml 中独立声明 POI 依赖项，Tika 检测器将停止检测容器类型，例如 .docx 文件，因为 tika-parsers 包对于探测器，如上所述here 。那么，我该如何解决这个问题呢？我想使用 tika 进行准确的类型检测，但除了 Tika 之外，我还想使用 Apache POI。

谢谢

Answer 1

我不知道你的 POM 是什么样的，但在大多数情况下，此类问题可以通过排除有问题的传递依赖项来解决。

它看起来像这样:

<dependency>
    <groupId>org.apache.tika</groupId>
    <artifactId>tika-parsers</artifactId>
    <version>1.7</version>
    <exclusions>
        <exclusion>
            <groupId>org.apache.poi</groupId>
            <artifactId>poi</artifactId>
        </exclusion>
    </exclusions> 
</dependency>
<dependency>
    <groupId>org.apache.poi</groupId>
    <artifactId>poi</artifactId>
    <version>3.11</version>
</dependency>

但是，查看 Tika 1.7 的 POM，它已经依赖于 POI 3.11，这是当前最新的版本，并且确实包含所需的方法。因此，很可能您在某个地方有另一个依赖项正在拉入旧版本的 POI。

您可以使用Maven dependency plugin找到有问题的库，并使用上述技巧来解决冲突。