Crear su propio extractor de texto

Para crear su propio extractor de texto debe crear una nueva clase que implemente la interfaz TextExtractor:

package com.openkm.plugin.extractor;

import net.xeoh.plugins.base.Plugin;

import java.io.IOException;
import java.io.InputStream;

public interface TextExtractor extends Plugin {
  String[] getContentTypes();
  String extractText(InputStream stream, String type, String encoding) throws IOException;
}

La nueva clase debe cargarse en el paquete com.openkm.plugin.extractor, porque el sistema de plugins de la aplicación intentará cargarla desde allí. Véase el ejemplo siguiente:

Descripción de los métodos

Método	Tipo	Descripción
getContentTypes()	String[]	Devuelve los tipos MIME admitidos por este extractor. Las cadenas devueltas deben estar en minúsculas y el array devuelto no debe estar vacío.
extractText(InputStream stream, String type, String encoding)	String	Devuelve un lector para el contenido de texto del documento binario indicado. El tipo de contenido y la codificación de caracteres (si están disponibles y son aplicables) se pasan como argumentos.

Ejemplo de implementación del extractor de texto

package com.openkm.plugin.extractor;

import net.xeoh.plugins.base.annotations.PluginImplementation;
import org.apache.commons.io.IOUtils;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import java.io.IOException;
import java.io.InputStream;
import java.io.InputStreamReader;
import java.io.UnsupportedEncodingException;

/**
 * Text extractor for plain text.
 */
@PluginImplementation
public class PlainTextExtractor extends AbstractTextExtractor {

  /**
   * Logger instance.
   */
  private static final Logger logger = LoggerFactory.getLogger(PlainTextExtractor.class);

  /**
   * Creates a new <code>PlainTextExtractor</code> instance.
   */
  public PlainTextExtractor() {
    super(new String[] { "text/plain" });
  }

  // -------------------------------------------------------< TextExtractor >

  /**
   * Wraps the given input stream to an {@link InputStreamReader} using
   * the given encoding, or the platform default encoding if the encoding
   * is not given or is unsupported. Closes the stream and returns an empty
   * reader if the given encoding is not supported.
   *
   * @param stream binary stream
   * @param type ignored
   * @param encoding character encoding, optional
   * @return reader for the plain text content
   * @throws IOException if the binary stream can not be closed in case
   *         of an encoding issue
   */
  public String extractText(InputStream stream, String type, String encoding) throws IOException {
    try {
      if (encoding != null) {
        return IOUtils.toString(stream, encoding);
      }
    } catch (UnsupportedEncodingException e) {
      logger.warn("Unsupported encoding '{}', using default ({}) instead.",
          new Object[] { encoding, System.getProperty("file.encoding") });
    }

    return IOUtils.toString(stream);
  }
}