Apache Tika 2.1.0 发布，内容检测和分析框架

内容简介：Apache Tika 2.1.0 现已发布，这是一个用于检测和提取元数据和结构化文本内容的工具包。 主要更新内容 优化了 tika-parsers-extended 的打包 当没有指定编码时，Tika 应用程序会以 UTF-8 格式写入 将 PDF 的默认渲...

Apache Tika 2.1.0 现已发布，这是一个用于检测和提取元数据和结构化文本内容的 工具 包。

主要更新内容

• 优化了 tika-parsers-extended 的打包
• 当没有指定编码时，Tika 应用程序会以 UTF-8 格式写入 
• 将 PDF 的默认渲染策略从 NO_TEXT 更改为 ALL
• 修复了当用户指定了 tesseract 路径但未同时指定 TesserData 路径时，指向错误的 TesserData 目录的问题
• 修复了 Icu4j 编码检测器可能会返回非标准的字符集名称的问题
• 在 tika core 中添加一个简单的 UrlFetcher，作为 tika fetcher http的基本替代方案
• 为 Google Cloud Storage 添加 tika-pipes 支持
• 修复 ODT 文件的 xhtml 输出中的标记 排序 错误
• 修复了 OpenSearch 发射器中嵌入式文档的序列化，并修复 Solr 发射器中某些使用情况下嵌入式文档未被索引的问题
• 将 pipeClientId 系统属性添加到 PipesServer，以便每个子进程可以登录到它自己的记录器

详情请查看更新公告。

以上就是本文的全部内容，希望本文的内容对大家的学习或者工作能带来一定的帮助，也希望大家多多支持 码农网

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。