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: