eaustria.dame.modell.extrahierung
Class Textextrahierung

java.lang.Object
  eaustria.dame.modell.extrahierung.Textextrahierung

All Implemented Interfaces:

Extrahierungsstrategie

public class Textextrahierung
extends java.lang.Object

Extrahiert reinen Text. Dieser Extrahierer sollte erst ziemlich am Schluss aufgerufen werden, da er jedes Textformat akzeptiert.

Author:

leo

Constructor Summary

Textextrahierung()

Method Summary

void	extrahieren() Führt die Extrahierung durch.
ExtrahierteNachricht	getNachricht() Liefert die erste extrahierte Nachricht oder null, wenn keine Nachrichten vorhanden sind.
java.util.List<ExtrahierteNachricht>	getNachrichten() Liefert extrahierte Nachrichten.
java.io.InputStream	getRestdaten() Liefert den Datenstrom des restlichen Dokuments oder null, wenn das gesamte Dokument verarbeitet wurde.
static boolean	könntePassen(byte[] inhalt) Prüft anhand einer Stichprobe des Inhalts, ob es sich um eine Textdatei handeln könnte.
void	setDokumentdaten(java.io.InputStream ein) Setzt den Eingabedatenstrom, der dieses Dokument ausmacht.
void	setNachrichtenprototyp(ExtrahierteNachricht prototyp) Setzt einen Prototypen, der bereits mit Metadaten aus einer vorher angewandten Strategie intialisiert ist.
void	setNurMetadatenExtrahieren(boolean s) Extrahiert nur Metadaten, keine Inhalte.

Methods inherited from class java.lang.Object

equals, getClass, hashCode, notify, notifyAll, toString, wait, wait, wait

Constructor Detail

Textextrahierung

public Textextrahierung()

Method Detail

könntePassen

public static boolean könntePassen(byte[] inhalt)

Prüft anhand einer Stichprobe des Inhalts, ob es sich um eine Textdatei handeln könnte.

Parameters:

inhalt -

Returns:

extrahieren

public void extrahieren()
                 throws java.io.IOException

Description copied from interface: Extrahierungsstrategie

Führt die Extrahierung durch. Siehe Extrahierungsstrategie.getRestdaten(), um nicht extrahierte Dokumentbestandteile zu erhalten.

Throws:

java.io.IOException

setDokumentdaten

public void setDokumentdaten(java.io.InputStream ein)

Description copied from interface: Extrahierungsstrategie

Setzt den Eingabedatenstrom, der dieses Dokument ausmacht.

Specified by:

setDokumentdaten in interface Extrahierungsstrategie

setNachrichtenprototyp

public void setNachrichtenprototyp(ExtrahierteNachricht prototyp)

Description copied from interface: Extrahierungsstrategie

Setzt einen Prototypen, der bereits mit Metadaten aus einer vorher angewandten Strategie intialisiert ist. Diese Nachricht wird als erste Nachricht für diese Strategie verwendet. Den Prototypen benötigt man, wenn eine Dokument eingebettet ein anderes Dokument enthält, die Metadaten aber im äußeren Dokument zu finden sind.

Specified by:

setNachrichtenprototyp in interface Extrahierungsstrategie

setNurMetadatenExtrahieren

public void setNurMetadatenExtrahieren(boolean s)

Description copied from interface: Extrahierungsstrategie

Extrahiert nur Metadaten, keine Inhalte.

Specified by:

setNurMetadatenExtrahieren in interface Extrahierungsstrategie

Parameters:

s - true, wenn nur Metadaten extrahiert werden sollen. ExtrahierteNachricht.getInhaltAlsHtml und ExtrahierteNachricht.getInhalt liefern in diesem Fall immer null.

getNachrichten

public java.util.List<ExtrahierteNachricht> getNachrichten()

Description copied from interface: Extrahierungsstrategie

Liefert extrahierte Nachrichten. Auch bei einem Fehler wurde zumindest die erste Nachricht teilweise extrahiert.

Specified by:

getNachrichten in interface Extrahierungsstrategie

getNachricht

public ExtrahierteNachricht getNachricht()

Description copied from interface: Extrahierungsstrategie

Liefert die erste extrahierte Nachricht oder null, wenn keine Nachrichten vorhanden sind.

Specified by:

getNachricht in interface Extrahierungsstrategie

getRestdaten

public java.io.InputStream getRestdaten()

Description copied from interface: Extrahierungsstrategie

Liefert den Datenstrom des restlichen Dokuments oder null, wenn das gesamte Dokument verarbeitet wurde. Normalerweise bleibt nur dann ein Datenstrom übrig, wenn ein Dokument ein eingebettetes Dokument enthielt. Der gelieferte Datenstrom zeigt auf den Anfang dieser eingebetteten Daten.

Specified by:

getRestdaten in interface Extrahierungsstrategie