Apache Tika 1.15 发布 ，内容抽取工具集合

Apache Tika 1.15 发布了，该版本包含许多改进和错误修复。新发布的版本已推送到 Apache 发布网站以及 Maven Central。

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。

本次更新内容较多，详情请参阅更新说明、发布主页。

下载地址

文章转载自 开源中国社区 [http://www.oschina.net]

时间： 2024-10-25 04:55:46

Apache Tika 1.15 发布 ，内容抽取工具集合的相关文章

Coldtags suite 4.15发布 JSP标签的集合工具

Coldtags suite是一款自定义JSP标签的集合工具.JSP开发者为一般的编程设计提供了300多种自定义JSP标签,能够加快你的J2EE架构和开发,而无须更多额外代码.它包括自定义标签类似于在http://www.aliyun.com/zixun/aggregation/13480.html">.NET框架中的Web控件. Coldtags suite 4.15版本添加新的组件,总数达到415多个控制元件,对现有的组件进行了更新. 软件信息:http://www.servletsu

Apache Camel 2.15.0 发布，Java 规则引擎

Apache Camel 2.15.0 发布啦!!!该版本经过 6 个月开发,修复了超过 500 个 bug.但最值得关注的是给我们带来的新特性: 自文档 目录组件 Camel 工具类目录 重用 Camel 命令 Camel Boot / Spring Boot 改进 REST DSL 改进 路由引擎优化 为消息提供更详细信息 XML 中的 endpoints 配置内容允许分行书写 个新的组件 文章转载自 开源中国社区 [http://www.oschina.net]

Apache Tika:通用的内容分析工具

项目介绍 Tika是一个内容分析工具,自带全面的parser工具类,能解析基本所有常见格式的文件,得到文件的metadata,content等内容,返回格式化信息.总的来说可以作为一个通用的解析工具.特别对于搜索引擎的数据抓去和处理步骤有重要意义. Tika是一个目的明确,使用简单的apache的开源项目.下图是Tika诞生的一个历史过程. Tika项目之初来源于Nutch项目(大家应该都不陌生),现在是Lucene的子项目,所以也是来源于搜索引擎.其实Nutch这个项目的开发过程中,孕育了不少

几款适合设计师的交互内容设计工具

  这里所指的交互内容(不包括游戏)主要为以下几类: --交互杂志及交互式电子书: 美国的连线杂志<Wired>,科技新时代<POPULAR SCIENCE>于2010年便推 出了ipad端的交互杂志,时尚传媒集团旗下的多种杂志以及ELLE也相继推出了多款iPad交互杂志. --品牌展示及产品指南: 在appstore上可以看到大量的品牌app,从时尚.美容到汽车,各大品牌相继推出了互动性很强的品牌推介及产品指南app. --互动童书及多媒体漫画: 平板电脑由于操作简单,不需要太多

Apache Tika-内容解析提取工具集合(a content analysis toolkit)

简介       Apache Tika toolkit可以自动检测各种文档(如word,ppt,xml,csv,ppt等)的类型并抽取文档的元数据和文本内容.Tika集成了现有的文档解析库,并提供统一的接口,使针对不同类型的文档进行解析变得更简单.Tika针对搜索引擎索引.内容分析.转化等非常有用. 支持的文档格式     详见参见http://tika.apache.org/1.5/formats.html HyperText Markup Language XML and derived

Apache Tika任意代码执行漏洞CVE-2016-6809 如不升级则需MATLAB文件解析功能

Apache Tika出现任意代码执行漏洞,绿盟科技发布安全威胁通告.2016年11月10日(当地时间),seclists.org网站发布了一条消息,通告了一个存在于Apache Tika组件中的任意代码执行漏洞,漏洞编号为CVE-2016-6809. Tika封装了jmatio解析器用以处理MATLAB文件.攻击者可以将任意代码注入到MATLAB文件中,并在解析器对嵌入在该MATLAB文件中的JAVA对象进行反序列化时得到执行. 相关链接地址如下: http://seclists.org/bu

Apache Kafka是分布式发布-订阅消息系统

转自: http://www.infoq.com/cn/articles/apache-kafka?utm_source=infoq&utm_medium=popular_links_homepage 简介 Apache Kafka是分布式发布-订阅消息系统.它最初由LinkedIn公司开发,之后成为Apache项目的一部分.Kafka是一种快速.可扩展的.设计内在就是分布式的,分区的和可复制的提交日志服务. Apache Kafka与传统消息系统相比,有以下不同: 它被设计为一个分布式系统,易

Zorka 1.0.15 发布，通用 Java 监控代理

Zorka 1.0.15 发布,暂未有相关说明,请关注:http://zorka.io/changelog.html 下载: zorka-1.0.15.zip - agent; zico-1.0.15.zip - collector; Zorka 是个复杂的可编程的分析和监控 Java 运行应用程序的代理工具,无缝集成了流行的监控系统和协议(Zabbix, Nagios, syslog, SNMP),并且提供额外的跟踪,分析功能,以及数据收集器,这些能帮助发现性能问题和一般的系统问题.这个代理系

Mozilla 开源 iOS 内容屏蔽工具 Focus By Firefox

Mozilla宣布发布 iOS 9 内容屏蔽工具 Focus By Firefox,它能屏蔽广告,但最重要的是能屏蔽跟踪程序.它利用了iOS 9内置的内容屏蔽功能,用户下载之后需要进行一些设置激活该功能.Focus只能工作在Safari浏览器上.Mozilla称,原因是苹果没有向iOS 上的第三方浏览器开放内容屏蔽功能.程序源代码发布在GitHub上.另外Mozilla开发者宣布,Firefox将整合Rust代码和Servo布局引擎,用户将能在2016年用上整合后的版本.但目前还不清楚明年何时推