程序包 com.agentsflex.core.file2text.extractor.impl

package com.agentsflex.core.file2text.extractor.impl
  • 类
    类
    说明
    DocExtractor
    DOC 文档提取器（.doc） 支持旧版 Word 97-2003 格式
    DocxExtractor
    DOCX 文档提取器（.docx, .dotx） 支持段落、表格、列表文本提取
    HtmlExtractor
    增强版 HTML 文档提取器 支持可配置的噪音过滤规则（含中文网站常见广告）
    PdfTextExtractor
    PDF 文本提取器 支持标准 PDF（非扫描件）
    PlainTextExtractor
    纯文本文件提取器（支持 UTF-8、GBK、GB2312 编码自动检测） 支持 .txt, .md, .log, .csv, .json, .xml 等文本格式
    PptxExtractor
    PPTX 文档提取器（.pptx） 提取幻灯片中的标题、段落、表格文本