https://opennet.ru/openforum/vsluhforumID3/81349.html Представлен (https://blogs.apache.org/foundation/entry/the_apache_software_foundation_announces19) релиз Apache Tika 1.0 (http://tika.apache.org/1.0/index.html), 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. <br><br><br>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++.<br><br>URL: https://blogs.apache.org/foundation/entry/the_apache_software_foundation_announces19<br>Новость: http://www.opennet.ru/opennews/art.shtml?num=32321<br> https://opennet.ru/openforum/vsluhforumID3/81349.html#7 Thu, 17 Nov 2011 05:46:41 GMT Ковыряю непосредственно, т.к. необходим внешний движок для извлечения метаданных из приаттаченных ODF (odt,ods) файлов к докам на CouchDB. Жаль правда что на яве, хотелось бы переписать на эрланг. А так полный список feauters-ов для своего круга задач - более чем. Пригодится даже для написания анализатора того или иного формата файлов на своем языке.<br> https://opennet.ru/openforum/vsluhforumID3/81349.html#4 Wed, 16 Nov 2011 18:23:09 GMT Потенциально штука интересная, надо будет познакомиться поближе.<br> https://opennet.ru/openforum/vsluhforumID3/81349.html#2 Wed, 16 Nov 2011 17:24:43 GMT 1200 форматов? o_O<br>text/en-us<br>text/utf-8<br>text/cp1251<br>...<br>html/en-us<br>...<br>xhtml/en-us<br>...<br>xxxhtml/en-us<br>...<br>