Apache Tika 1.19.1 发布,内容抽取工具集合

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

本文地址:http://www.aiisen.com/p/54892.html