[lucene] 发现Tika0.6升级带来1个好处
 |
TonyLian
2010-03-03
Tika刚刚完成了0.6版的发布。听到这个消息第一反应就是0.5版的一个比较明显的bug是否解决了？
0.5时，UTF-8编码的html网页会解析成乱码，用0.5的朋友，可以把Google的首页另存为一个html文件试一试。 Tika挺逗只发布源码，不提供编译好的jar。 （0.5的jar我也忘了怎么来的了，好像是kexzcle传给我的？？） 发现0.5的jar中除了2个配置用的xml文件外，language里还有很多.ngp文件，打开也看不懂，Google一下似乎是什么语义分析用的，无奈0.6的源码里只有.java文件，只能从0.5中提取所有非java文件到0.6中，编译后发现不论是 core 还是 parsers 都比0.5版的小了一点点。（JRE1.5） 比较了一下，0.6中少了一些 XXXXX$1.class 的内部类，命名成1、2，估计是临时测试用的。 但是，最让人兴奋的是，编译的0.6可以工作，而且UTF-8的html解析成乱码的bug解决了！！不必再单独解析Html了！ 有相同困扰的朋友可以试一试。 |
