Tikaで読み込むと文字化けするファイルは、このメールに添付してあるものです。
※先程のメールに添付したのは、秀丸エディタで保存したときに、
文字コードが変わったようで、文字化けしません。
ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
こんにちは。
困っております。
Apache Tikaで、EUCやshift-jisコードのhtmlの読込みで文字化けします。
原因は何で、対応策（Tikaへの設定？など）は、ありますでしょうか？
■読み込むと文字化けするhtmlを添付します。
※EUCコードのファイルです。（秀丸エディタの判定では）
ソース：
-----------------------------------------------------
File document = new File("/usr/local/sample.pdf");
Parser parser = new AutoDetectParser();
ContentHandler handler = new BodyContentHandler(Integer.MAX_VALUE);
Metadata metadata = new Metadata();
parser.parse(new FileInputStream(document), handler, metadata
, new
ParseContext());
String plainText = handler.toString();
System.out.println(plainText);
-----------------------------------------------------
--
技術初心者
Title: ²ãѹ±¡Æ¬ÈÝÆ÷
