Apache Tika 1.24 发布，内容抽取工具集合

内容简介：Apache Tika 1.24 发布了，Tika 是一个内容抽取的工具集合 (a toolkit for text extracting) 。它集成了 POI 和 Pdfbox，并且为文本抽取工作提供了一个统一的界面。其次，Tika 也提供了便利的扩展 API，用来丰富其...

Apache Tika 1.24 发布了，Tika 是一个内容抽取的 工具 集合 (a toolkit for text extracting) 。它集成了 POI 和 Pdfbox，并且为文本抽取工作提供了一个统一的界面。其次，Tika 也提供了便利的扩展 API，用来丰富其对第三方文件格式的支持。

主要更新内容如下：

• 更新 Drew Noakes 的元数据提取器
• 启用 PDF 中的结构标签的可选提取（alpha 级）
• Tika 应用程序的 --extract 模式现在输出到 STDOUT
• 为 PDF 添加可选的 Preflight 解析器
• 改进对某些基于 zip 格式的检测
• 将元数据提取器升级到 2.13.0 
• 升级到 POI 4.1.2
• 从 PSD 文件中提取 XMP
• 在 PDF 中添加了 XMLProfiler 作为可选的解析器以配置 XFA 和 XMP
• 从 PDF 提取依赖于 DCT 过滤器的内联图像
• 升级到 PDFBox 2.0.19
• 修复了 ASM 解析器配置中的错误
• 升级到 Java-libpst 0.9.3
• 修复了 ToXMLHandler 的 XLIFF12Parser 故障 

更新说明： https://downloads.apache.org/tika/CHANGES-1.24.txt

以上所述就是小编给大家介绍的《Apache Tika 1.24 发布，内容抽取工具集合》，希望对大家有所帮助，如果大家有任何疑问请给我留言，小编会及时回复大家的。在此也非常感谢大家对 码农网 的支持！

查看所有标签

本站部分资源来源于网络，本站转载出于传递更多信息之目的，版权归原作者或者来源机构所有，如转载稿涉及版权问题，请联系我们。