将元数据存储到Jackrabbit存储库中

Question

有人可以告诉我，在以下情况下如何进行？

1. 接收文件（MS文件，ODS，PDF）

2. 通过Apache Tika提取公元核心元数据+通过jackrabbit-content-extractors提取内容

3. 使用Jackrabbit将文档（内容）及其元数据存储到存储库中 ？

4. 检索文档+元数据

我对第3点和第4点感兴趣…

详细信息：该应用程序正在以交互方式处理文档（一些分析-语言检测，单词计数等。+收集尽可能多的详细信息-
Dublin核心+解析内容/事件处理），以便将处理结果返回给用户，然后将其返回给用户。提取的内容和元数据（提取的和自定义的用户元数据）存储到JCR存储库中

感谢任何帮助，谢谢

Answer 1

对于JCR 2.0，上传文件基本上与对于JCR 1.0而言是相同的。但是，JCR 2.0添加了一些有用的附加内置属性定义。

“ nt：file”节点类型旨在表示文件，并且在JCR 2.0中具有两个内置属性定义（这两个属性定义都是在创建节点时由存储库自动创建的）：

• jcr：已创建（DATE）
• jcr：createdBy（STRING）

并定义一个名为“ jcr：content”的子级。该“
jcr：content”节点可以是任何节点类型，但是通常来说，与内容本身有关的所有信息都存储在此子节点上。事实上的标准是使用“
nt：resource”节点类型，该节点类型定义了以下属性：

• jcr：data（BINARY）必选
• jcr：lastModified（DATE）自动创建
• jcr：lastModifiedBy（STRING）自动创建
• jcr：mimeType（STRING）受保护吗？
• jcr：encoding（STRING）受保护吗？

注意，在JCR 2.0中添加了“ jcr：mimeType”和“ jcr：encoding”。

特别是，“ jcr：mimeType”属性的目的是完全按照您的要求执行-捕获内容的“类型”。但是，“ jcr：mimeType”和“
jcr：encoding”属性定义可以（通过JCR实现）定义为受保护（意味着JCR实现自动设置它们）-如果是这种情况，将不允许您手动进行设置这些属性。我相信Jackrabbit和ModeShape不会将它们视为受保护的对象。

以下是一些代码，显示了如何使用这些内置节点类型将文件上传到JCR 2.0存储库：

// Get an input stream for the file ...
File file = ...
InputStream stream = new BufferedInputStream(new FileInputStream(file));

Node folder = session.getNode("/absolute/path/to/folder/node");
Node file = folder.addNode("Article.pdf","nt:file");
Node content = file.addNode("jcr:content","nt:resource");
Binary binary = session.getValueFactory().createBinary(stream);
content.setProperty("jcr:data",binary);

而且，如果JCR实现未将“ jcr：mimeType”属性视为受保护的对象（即Jackrabbit和ModeShape），则必须手动设置此属性：

content.setProperty("jcr:mimeType","application/pdf");

元数据可以很容易地存储在“ nt：file”和“ jcr：content”节点上，但是现成的“ nt：file”和“
nt：resource”节点类型不允许额外的属性。因此，在添加其他属性之前，首先需要添加一个mixin（或多个mixin），这些mixin具有要存储的各种属性的属性定义。您甚至可以定义允许任何属性的混合。这是一个定义此类混合的CND文件：

<custom = 'http://example.com/mydomain'>
[custom:extensible] mixin
- * (undefined) multiple 
- * (undefined)

注册此节点类型定义后，可以在节点上使用它：

content.addMixin("custom:extensible");
content.setProperty("anyProp","some value");
content.setProperty("custom:otherProp","some other value");

您还可以定义并使用允许所有Dublin Core元素使用的mixin ：

<dc = 'http://purl.org/dc/elements/1.1/'>
[dc:metadata] mixin
- dc:contributor (STRING)
- dc:coverage (STRING)
- dc:creator (STRING)
- dc:date (DATE)
- dc:description (STRING)
- dc:format (STRING)
- dc:identifier (STRING)
- dc:language (STRING)
- dc:publisher (STRING)
- dc:relation (STRING)
- dc:right (STRING)
- dc:source (STRING)
- dc:subject (STRING)
- dc:title (STRING)
- dc:type (STRING)

所有这些属性都是可选的，并且该mixin不允许使用任何名称或类型的属性。我还没有真正解决“
dc：metadata”混合问题，因为其中一些已经用内置属性表示（例如，“ jcr：createBy”，“ jcr：lastModifiedBy”，“
jcr：created” ，“ jcr：lastModified”，“ jcr：mimeType”），其中一些可能与内容更相关，而其他一些与文件更相关。

您当然可以定义其他更适合您的元数据需求的混合，并在需要时使用继承。但是要谨慎使用继承与mixin-
由于JCR允许一个节点使用多个mixin，因此通常最好将mixin设计为范围狭窄且面向方面的（例如，“ ex：taggable”，“
ex：describable”等）。然后只需根据需要将适当的mixin应用于节点。

（甚至更复杂，甚至有可能定义一个混合，以便在“ nt：file”节点下允许更多子节点，并在其中存储一些元数据。）

Mixins非常棒，为您的JCR内容提供了极大的灵活性和力量。

哦，当您创建了所有想要的节点后，请确保保存会话：

session.save();