Apache Tika 1.20 发布，内容抽取工具集合

  

Apache Tika 1.20 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 1.20 包含一系列修复和改进，部分如下：

• POI 升级至 4.0.1

• PDFBox 升级至 2.0.13

• 批量升级依赖项

• 更新 jaxb-runtime 和 javax.activation

• 删除 PPT 侧边的重复备注

• ……

完整更新内容可查阅更新日志。

下载地址：

http://tika.apache.org/download.html