来自电子邮件的Tika元数据未命中日期

Question

我有两个电子邮件测试文件：

1. 使用Mac Mail中的“另存为”创建的文件（这会创建.txt文件）
2. 通过将电子邮件从Mac Mail拖到桌面创建的文件（这会创建.eml文件）

如果我用

提供文件

curl -T filename http://localhost:9998/detect/stream

我收到两个文件的回复“message / rfc822”。

如果我跑

curl -T filename http://localhost:9998/meta

我得到了元数据，但是在（1）的情况下我没有提取日期，而在案例（2）中我没有。

我理解，当然，.eml文件包含完整的原始标头，而.txt文件只包含一个非常简短的标头。但是，即使是缩写标题也包含“日期”字段，因此我认为Tika应该提取它。这是一个错误还是故意的？在后一种情况下，我是否可以采取任何措施让Tika在案例（1）中提取日期？

我正在运行Tika-server 1.14。

Answer 1

感谢您开放TIKA-1970;潜在的詹姆斯＆＃39; mime4j库无法解析格式日期＆＃34; 2016年5月16日格林威治标准时间09:30:32 + 1＆＃34;。我们将添加额外的日期解析代码以捕获mime4j在Tika级别无法识别的日期格式。

再次感谢您注意并在我们的JIRA上打开问题。