Changes between Version 5 and Version 6 of waue/2010/1125

Timestamp:

Nov 25, 2010, 5:02:03 PM (13 years ago)

Author:

waue

Comment:

--

waue/2010/1125

@@ -21 +21 @@
  = 解析器 tika =
 [http://www.ibm.com/developerworks/cn/opensource/tutorials/os-apache-tika/index.html 用 Apache Tika 理解信息内容]
+ * [http://www.oschina.net/p/tika 内容抽取工具集合 Apache Tika]
 nutch 1.2 所附得 pdf 解析器為 pdfbox 0.7.3 ，現在最新的版本為 1.3.1 ，也許置換成最新的就可以解決部份中文不支援的問題，但是更換需要改寫程式碼
 
  * [http://blog.ring.idv.tw/comment.ser?i=316 當大象遇上PDFBox...]
  * [http://blog.ring.idv.tw/comment.ser?i=309 PDFBox - 擷取PDF檔案中的純文字]
+ * [http://blog.csdn.net/allenshi_szl/archive/2009/12/06/4953302.aspx lucene pdf+doc+ppt+xls+txt+多层文件]
+ * [http://blog.csdn.net/allenshi_szl/archive/2009/12/13/4951564.aspx 使用PDFBox处理PDF文档]
+ * [http://blog.csdn.net/fuyangchang/archive/2007/06/11/1647774.aspx JAVA读取WORD,EXCEL,POWERPOINT,PDF文件的方法]
+ * [http://blog.csdn.net/weijie_search/archive/2008/07/16/2662189.aspx 用Java读取pdf中的数据]