|
Доступен релиз Apache Tika 1.2, набора библиотек на языке Java для выявления, анализа, парсинга и выделения мета-данных и структурированного контента из разнообразных форматов файлов. Всего поддерживается более 1200 форматов, включая HTML, XML, DOC, OLE2, OOXML, RTF, ePub, OpenDocument, PDF, различные форматы изображений, мультимедиа, архивов и пакетов программ. Изначально Apache Tika был разработан как часть поискового движка Apache Lucene, но позднее перерос в самостоятельный проект. Кроме библиотек, подготовлены консольная утилита и GUI-приложение для удобного извлечения контента из разных наборов данных. Помимо языка Java, в рамках проекта подготовлены биндинги для языков Python, .NET и C++.
Среди новшеств, добавленных в Apache Tika 1.2:
- Поддержка JAX-RS (Java API для RESTful web-сервисов)
- Средства для обработки метаданных XMP
- Интеграция библиотеки с поддержкой используемого в продуктах Mozilla алгоритма автоматического определения кодировок текста
- Поддержка форматов файлов KML (Keyhole Markup Language), XZ и Pack200
- Улучшение извлечения контента из файлов iWork
- Поддержка определения файлов FITS (Flexible Image Transport System)
- Улучшение извлечения ресурсов из OLE2-документов.
| 
