Apache Tika 2.0.0 发布，内容检测和分析框架-低调大师

Apache Tika 2.0.0 发布，内容检测和分析框架

2021-07-22 962

Apache Tika 是一个用于检测和提取元数据和结构化文本内容的工具包。Apache Tika 2.0.0 发布，更新内容如下：

常规：

如果 tesseract 在用户的路径上，OCR 现在会自动对 PDF 文件进行触发；
在 tika-app、tika-server 和其他任何使用了 log4j 的地方将 log4j 升级到 log4j2；
默认情况下，当为 OCR 渲染一个页面时，PDFParser 不会渲染字形/文字；
删除了废弃的元数据键/属性；
删除了废弃的 PDFPreflightParser；
删除了不指定字符集就读取输入流或转换为字节的危险调用；
解析器可以在实例化时通过 tika-config.xml 进行配置；
改变了翻译器实现的命名空间以避免与 tika-core 分开打包；

tika-parsers

解析器模块被分成三个主要模块：tika-parsers-standard, tika-parsers-extended 和 tika-parsers-ml；
CompressorParser：用户必须将 com.github.luben:zstd-jni 依赖项添加到 classpath 来处理zstd 文件；
ChmParser 被移到 org.apache.tika.parser.microsoft.chm；
RTFParser 被移到 org.apache.tika.parser.microsoft.rtf；

tika-server

tika-server 现在默认会 fork 一个进程，将解析工作隔离在 fork 的进程中；
大部分通过命令行进行的 tika-server 的传统配置已经被移至通过 tika-config.xml 文件进行配置；
tika-server的 "enableFileUrl" 已被删除，改为使用 FileSystemFetcher；
tika-server 的 /metadata 端点需要 tika-server-standard 来写入 XMP/rdf 输出；
在 tika-server 中，对于那些可以通过配置对象在每次解析中进行配置的解析器来说，通过 ParseContext 传入的配置对象，配置对象将只更新那些用户修改过的字段；

微信关注我们

原文链接：https://www.oschina.net/news/151779/apache-tika-2-0-0-released

转载内容版权归作者及来源网站所有！

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。

gRPC 1.39.0 发布，高性能 RPC 框架

gRPC 1.39.0 发布，更新内容如下： Core：需要时为 CFStream 初始化 tcp_posix；更新 boringssl 子模块；修复备份轮询器竞赛；在 HTTP CONNECT 请求中使用默认端口 443； C++：由 EventEngine API 支持的新 iomgr 实现； async_unary_call：增加一个 Destroy 方法，由 std::default_delete 调用；去除 C++ 回调 API 的实验性； C#：添加 ChannelCredentials.SecureSsl 属性，以便更好地使用ChannelCredentials进行编解码；更好方法来构建 protoc aarch64 工件；添加 C# 插件 "file_suffix" 选项，默认为 "Grpc.cs"；为生成的服务存根添加 "GeneratedCode" 属性。(#26164) PHP： PHP：停止读取 composer.json 文件只是为了读取版本字符串； Python： Python AIO：在拦截器上匹配延续键入；通过在 aarch64 上...

2021-07-23

632

LibreOffice 7.1.5 社区版现已发布，这是 LibreOffice 7.1 系列的第五个次要版本，面向技术爱好者和高级用户。该版本包含大约 55 个错误修复，其中 20% 与Microsoft Office 文件兼容性（DOCX、XLSX 和 PPTX，以及旧版 DOC）有关。主要更新内容编辑：在公式上下文中处理组分隔符的回归 FILESAVE XLSX 将指向网络共享上的文件的超链接保存到 XLSX 时，使用双 file:// prefix REGRESSION 设置在 writer 表中重复标题不再有效使用向上/向下键更改时，屏幕阅读器不会宣布新的 Spinbox 值 (Windows) 在 writer 中单击计算数据的属性符号会导致崩溃崩溃：vcl::Window::GetParentWithLOKNotifier() 组合文本（适合框架）和对象时编辑崩溃 [编辑] 当在单元格中输入“5-d” 时，它会自动转换为日期 2021/07/05 单击 “描述” 区域中的任意位置将触发 “表单创建” 窗口选择 None 幻灯片过渡没有效果避免 OOM 计算顺序...

2021-07-23

553

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。