歡迎您光臨本站註冊首頁

開源互助社區>資訊>軟件資訊

Apache Tika 1.24 發布，內容抽取工具集合

←手機掃碼閱讀 admin @ 2020-03-21 , reply:0

Apache Tika 1.24 發布了，Tika 是一個內容抽取的工具集合 (a toolkit for text extracting) 。它集成了 POI 和 Pdfbox，並且為文本抽取工作提供了一個統一的界面。其次，Tika 也提供了便利的擴展 API，用來豐富其對第三方文件格式的支持。

主要更新內容如下：

更新 Drew Noakes 的元數據提取器
啟用 PDF 中的結構標籤的可選提取（alpha 級）
Tika 應用程序的 --extract 模式現在輸出到 STDOUT
為 PDF 添加可選的 Preflight 解析器
改進對某些基於 zip 格式的檢測
將元數據提取器升級到 2.13.0
升級到 POI 4.1.2
從 PSD 文件中提取 XMP
在 PDF 中添加了 XMLProfiler 作為可選的解析器以配置 XFA 和 XMP
從 PDF 提取依賴於 DCT 過濾器的內聯圖像
升級到 PDFBox 2.0.19
修復了 ASM 解析器配置中的錯誤
升級到 Java-libpst 0.9.3
修復了 ToXMLHandler 的 XLIFF12Parser 故障

更新說明： https://downloads.apache.org/tika/CHANGES-1.24.txt

Tags: li

[admin ]

來源：OsChina

連結：https://www.oschina.net/news/114241/apache-tika-1-24-released
Apache Tika 1.24 發布，內容抽取工具集合已經有79次圍觀

本文地址：http://coctec.com/news/all/show-post-227841.html

熱門文章

最新文章