Apache Tika 1.23 发布,内容抽取工具集合

栏目: 软件资讯 · 发布时间: 5年前

内容简介:Apache Tika 1.23 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 1.23 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。

新版本包含许多改进和错误修复,主要更新内容如下:

  • 注意:现在,当用户在渲染的页面图像上配置 OCR 时,PDFParser 依靠 OCRDPI 来渲染页面图像。 这将具有增加渲染图像大小的效果(TIKA-2624)。
  • 注意:对于没有解析器的文件类型,tika-server 不再返回 415。
  • 修复了 PDFParser 中的 AUTO OCR 策略中的错误(TIKA-3002)。
  • 修复了从 JPEG 图像中提取不正确的高度和宽度元数据的问题(TIKA-2630)。
  • 升级到 POI 4.1.1(TIKA-2851)。
  • 升级到 PDFBox 2.0.17(TIKA-2951)。
  • 确保 PDFParser 通过 Eric Pugh 从 tika-config.xml 中遵循 Tesseract 的自定义配置(TIKA-2970)。
  • 添加 XLIFF v1.2 文件的解析器(TIKA-2975)。
  • 添加对 WebAssembly(TIKA-2894)、HEIF/HEIC 图像(TIKA-2942)、Digilite FDF(TIKA-2988)的 mime 类型检测支持; XFDF(TIKA-2990)和 XDP(TIKA-2989)的 xml-root 检测。
  • 添加 XLZ 解析器(TIKA-2976)。
  • 当 InputStream 引发 IOException 时,使用 ForkParser 修复死锁(TIKA-2892)。

更新说明:https://www.apache.org/dist/tika/CHANGES-1.23.txt

下载地址:https://tika.apache.org/download.html


以上所述就是小编给大家介绍的《Apache Tika 1.23 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

猜你喜欢:

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

自制编译器

自制编译器

[日] 青木峰郎 / 严圣逸、绝云 / 人民邮电出版社 / 2016-6 / 99.00元

本书将带领读者从头开始制作一门语言的编译器。笔者特意为本书设计了CЬ语言,CЬ可以说是C语言的子集,实现了包括指针运算等在内的C语言的主要部分。本书所实现的编译器就是C Ь语言的编译器, 是实实在在的编译器,而非有诸多限制的玩具。另外,除编译器之外,本书对以编译器为中心的编程语言的运行环境,即编译器、汇编器、链接器、硬件、运行时环境等都有所提及,介绍了程序运行的所有环节。一起来看看 《自制编译器》 这本书的介绍吧!

RGB转16进制工具
RGB转16进制工具

RGB HEX 互转工具

图片转BASE64编码
图片转BASE64编码

在线图片转Base64编码工具

Base64 编码/解码
Base64 编码/解码

Base64 编码/解码