java - 无法读取同一个InputStream两次

Question

这是我的代码:

// getFile() method returns the input stream of a local or online file
InputStream fileStream = getFile(source);
// Convert an InputStream to an InputSource
org.xml.sax.InputSource fileSource = new org.xml.sax.InputSource(fileStream);
// Extract text via the Boilerpipe DefaultExtractor
String text = DefaultExtractor.INSTANCE.getText(fileSource);

// Extract text and metadata via Apache Tika
BodyContentHandler handler = new BodyContentHandler();
Metadata metadata = new Metadata();
ParseContext context = new ParseContext();
AutoDetectParser parser = new AutoDetectParser();
parser.parse(fileStream, handler, metadata, context);

我不明白为什么只有第一个提取器起作用。

在这种情况下，只有 Boilerpipe (第一个提取器)可以工作，而 Apache Tika (第二个提取器)无法提取任何内容。

我尝试创建 fileStream 的副本(通过 InputStream fileStream2 = fileStream;)并将 fileStream 传递给一个读取器和 fileStream2 给另一个读者，但它也不起作用。

我还尝试将从 fileStream 中提取的 HTML 传递给 Boilerpipe，并将 fileStream 传递给 Tika，但结果是相同的。

我怀疑问题在于同一个InputStream无法读取两次。

您能帮我看看如何将 1 个 InputStream 的内容传递给 2 个读取器吗？

编辑: 我找到了解决方案并将其发布在下面

Answer 1

如果您有一个 Maven 项目，则必须包含这些依赖项(在 pom.xml 中)，以便 boilerpipe 可以工作:

 <dependency>
        <groupId>xerces</groupId>
        <artifactId>xercesImpl</artifactId>
        <version>x.y.z</version>
 </dependency>
 <dependency>
        <groupId>net.sourceforge.nekohtml</groupId>
        <artifactId>nekohtml</artifactId>
        <version>x.y.z</version>
</dependency>