java - Tika 1.1 性能改进

Question

我正在使用 tika 1.1，我面临的问题是 tika 需要很长时间才能从文件中提取内容。提取 1MB 的 pdf/doc 文件需要大约 3 秒的时间。有什么方法可以提高性能吗？任何有助于提高性能的调整、配置。

我已经尝试过 tika 1.4 但不幸的是相同的 pdf 时间是 ~3.2 秒。

我正在使用 BodyContentHandler。

public class TikkaExtractor {
public static void main(String[] args) throws Exception {
    BodyContentHandler handler = new BodyContentHandler(10000);
    Metadata metadata = new Metadata();
    Parser parser = new AutoDetectParser();
    InputStream content = TikkaExtractor.class.getResourceAsStream("demo.pdf");
    parser.parse(content, handler, metadata, new ParseContext());
    ContentHandlerDecorator contentHandlerDecorator = new ContentHandlerDecorator(handler);
    String s = contentHandlerDecorator.toString();
    content.close();
}

}