Apache Tika

Матеріал з Вікіпедії — вільної енциклопедії.
Перейти до навігації Перейти до пошуку
Apache Tika
Типнабір бібліотек
РозробникиApache Software Foundation
Перший випуск2011
Стабільний випуск1.7 (15 січня 2015; 9 років тому (2015-01-15))
ПлатформаJVM
Мова програмуванняJava[1][2]
Доступні мовиJava
ЛіцензіяApache License
Репозиторійgitbox.apache.org/repos/asf/tika.git
Вебсайтtika.apache.org

Apache Tika — набір бібліотек на мові Java для виявлення, аналізу, виділення мета-даних і структурованого контенту з різноманітних форматів файлів. Всього підтримується більше 1200 форматів, включаючи HTML, XML, DOC, OLE2, OOXML, RTF, ePub, OpenDocument, PDF, різні формати зображень, мультимедіа, архівів і пакунків програм.

Спочатку Apache Tika був розроблений як частина пошукового рушія Apache Lucene, але пізніше переріс в самостійний проєкт.

Крім бібліотек, підготовлені консольна утиліта і GUI-застосунок для зручного вилучення даних з різних файлів. Крім мови Java, в рамках проєкту підготовлені обгортки для мов Python, .NET та C++.

Застосування

[ред. | ред. код]

Технології Tika використані у фреймворку для побудови пошукових систем Nutch.

Apache Tika був використаний, зокрема, Міжнародним консорціумом журналістів-розслідувачів для дослідження інформації у так званих «панамських документах»[3].

Примітки

[ред. | ред. код]
  1. The tika Open Source Project on Open Hub: Languages Page — 2006.
  2. https://projects.apache.org/json/projects/tika.json
  3. Mar Cabra, Erin Kissane (11 квітня 2016). The People and Tech Behind the Panama Papers. opennews.org. An OpenNews project. Архів оригіналу за 11 квітня 2016. Процитовано 18 квітня 2016.

Посилання

[ред. | ред. код]