Apache Tika 1.23 发布,内容抽取工具集合
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)。
低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
- 上一篇
Shotcut 19.12 Beta 发布,视频编辑软件
Shotcut 19.12 Beta 版本发布了,Shotcut 是一款使用 Qt 开发的自由、开源、跨平台的视频编辑软件。 更新内容: New 添加了对在时间轴中移动多个剪辑的支持。 添加了 3 个新过滤器: Gradientvideo filter(渐变视频滤镜) Scan Linesvideo filter(扫描线视频过滤器) Noise Gateaudio filter(噪声门音频滤波器) 以下滤镜添加了新的颜色渐变控件: Audio Light Visualization(音频轻量可视化) Audio Spectrum Visualization(音频频谱可视化) Audio Waveform Visualization(波形音频可视化) 添加了“视图”>“范围”>“视频缩放”。 “蒙版:来自文件”过滤器添加了“反向”复选框。 已将“删除完成”添加到“作业”菜单。 添加了播放列表>更新缩略图。 在时间轴视频剪辑菜单中添加了更新缩略图。 添加了键盘快捷键 Shift+Escape以赋予播放器焦点(将焦点从某些小部件上移开)。 Bug 修复等更多更新内容见: h...
- 下一篇
TiDB 2.1.18 发布,分布式 NewSQL 数据库
TiDB2.1.18已经发布了,该版本更新内容如下: TiDB SQL 优化器 修复 Feedback 切分查询范围出错的问题#12172 修复点查中权限检查不正确的问题#12341 将 Limit 算子下推到IndexLookUpReader执行逻辑中,优化select ... limit ... offset ...的执行性能#12380 支持在ORDER BY、GROUP BY和LIMIT OFFSET中使用参数#12514 修复 partition 表上的 IndexJoin 返回错误结果的问题#12713 修复 TiDB 中str_to_date函数在日期字符串和格式化字符串不匹配的情况下,返回结果与 MySQL 不一致的问题#12757 修复当查询条件中包含 cast 函数时 outer join 被错误转化为 inner join 的问题#12791 修复 AntiSemiJoin 的 join 条件中错误的表达式传递#12800 SQL 执行引擎 修复时间取整不正确的问题 (如 2019-09-11 11:17:47.999999666 应该被取整到 2019-09-1...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- CentOS7,8上快速安装Gitea,搭建Git服务器
- CentOS6,7,8上安装Nginx,支持https2.0的开启
- CentOS关闭SELinux安全模块
- SpringBoot2初体验,简单认识spring boot2并且搭建基础工程
- CentOS8编译安装MySQL8.0.19
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- CentOS8安装MyCat,轻松搞定数据库的读写分离、垂直分库、水平分库
- CentOS8安装Docker,最新的服务器搭配容器使用
- CentOS7,CentOS8安装Elasticsearch6.8.6
- Red5直播服务器,属于Java语言的直播服务器