发布于 2017-12-15 00:30:46 | 121 次阅读 | 评论: 0 | 来源: 网友投递

这里有新鲜出炉的精品教程，程序狗速度看过来！

Apache Tika 内容抽取工具集合

Apache Tika 利用现有的解析类库，从不同格式的文档中（例如HTML, PDF, Doc)，侦测和提取出元数据和结构化内容。

---

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

历史版本 :
Apache Tika 1.17 发布 ，内容抽取工具集合
Apache Tika 1.16 发布 ，内容抽取工具集合
Apache Tika 1.15 发布 ，内容抽取工具集合
Apache Tika 1.14 发布 ，内容抽取工具集合
Apache Tika 1.13 发布 ，内容抽取工具集合
Apache Tika 1.12 发布，内容抽取工具
Apache Tika 1.11 发布，内容抽取工具集合
Apache Tika 1.9 发布，内容抽取工具集合
Apache Tika 1.8 发布，内容抽取工具集合
Apache Tika 1.7 发布，文本内容抽取集
Apache Tika 1.6 发布，内容抽取工具集合