Apache Tika 1.17 发布 ，内容抽取工具集合

内容简介：Apache Tika 1.7 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...

Apache Tika 1.7 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。

Apache Tika 1.17包含许多改进和错误修复。

•  Fix thread-safety in ChmExtractor (TIKA-2519).

•  Upgrade cxf to 3.0.16 (TIKA-2516).

• Allow users to configure maxMainMemoryBytes for PDFs via shrike (PR-213).

• Extract underline and strikethrough in docx (TIKA-2347 and TIKA-2512).

•  Cache TikaConfig in EmbeddedDocumentUtil for better performance in documents with large number of attachments (TIKA-2511).

• Extract media files from ooxml (TIKA-2510).

• Standardize the way the Image and Video captioning dockers and extraction work (TIKA-2400, GitHub-208)

• Upgrade to xmpcore 5.1.3 (TIKA-2034).

• Upgrade to metadata-extractor 2.10.1 (TIKA-2486).

• Upgrade to OpenNLP 1.8.3 (TIKA-2502).

• Upgrade to Jackson 2.9.2 (TIKA-2501).

完整更新内容请查看发行说明。

下载地址：http://www.apache.org/dyn/closer.cgi/tika/apache-tika-1.17-src.zip

【声明】文章转载自：开源中国社区 [http://www.oschina.net]

以上所述就是小编给大家介绍的《Apache Tika 1.17 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。