Apache Tika 1.19.1 发布,内容抽取工具集合

王练
 王练
发布于 2018年10月10日
收藏 7

Apache Tika 1.19.1 已发布,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 1.19.1 主要包括对 MP3Parser 和 SAX 解析处理的两个关键 bug 修复,具体如下:

  • Update PDFBox to 2.0.12, jempbox to 1.8.16 and jbig2 to 3.0.2

  • Fix regression in parser for MP3 files 

  • Updated Python Dependency Check for TesseractOCR

  • Improve SAXParser robustness

  • Remove dependency on slf4j-log4j12 by upgrading jmatio

  • Replace com.sun.xml.bind:jaxb-impl and jaxb-core with org.glassfish.jaxb:jaxb-runtime and jaxb-core

下载地址:

http://tika.apache.org/download.html

本站文章除注明转载外,均为本站原创或编译。欢迎任何形式的转载,但请务必注明出处,尊重他人劳动共创开源社区。
转载请注明:文章转载自 开源中国社区 [http://www.oschina.net]
本文标题:Apache Tika 1.19.1 发布,内容抽取工具集合
加载中
返回顶部
顶部