Estrai testo e metadati da tutti i tuoi file
Un servizio di estrazione di contenuti alimentato da Apache Tika, installato e mantenuto da DINAO. PDF, Office, immagini… i tuoi documenti vengono analizzati sui nostri server francesi, non altrove.
Cos'è Apache Tika ?
Apache Tika è una cassetta degli attrezzi che rileva ed estrae metadati e testo strutturato da oltre mila tipi di file (PPT, XLS, PDF, e-mail, immagini, archivi…). Tutti questi formati vengono analizzati tramite un'interfaccia unica, rendendo Tika prezioso per l'indicizzazione nei motori di ricerca, l'analisi dei contenuti o la preparazione dei dati.
Scritto in Java e supportato dalla Apache Foundation, Tika fornisce una libreria, ma anche edizioni server e riga di comando utilizzabili da altri linguaggi. La modalità server espone un'API REST semplice da integrare in pipeline Python, PHP, Node o Java.
Oltre all'estrazione, Tika offre il rilevamento della lingua, l'estrazione di metadati standardizzati e, tramite Tesseract, l'OCR su immagini e documenti scansionati — una base ideale per l'indicizzazione full-text e l'alimentazione di sistemi RAG.
Alloggia Apache Tika su DINAO
Livelli di risorse compatibili con i requisiti di Apache Tika (1 vCPU / 512 Mo / 2 Go minimo). Ospitato in Francia, fully managed.
- 1 vCPU dedicati
- 2 Go di RAM
- 20 Go NVMe
- Backup quotidiani
- Fully managed & supervisionato da DINAO
- 2 vCPU dedicati
- 4 Go di RAM
- 40 Go NVMe
- Backup quotidiani
- Fully managed & supervisionato da DINAO
- 4 vCPU dedicati
- 8 Go di RAM
- 80 Go NVMe
- Backup quotidiani
- Fully managed & supervisionato da DINAO
- 8 vCPU dedicati
- 16 Go di RAM
- 160 Go NVMe
- Backup quotidiani
- Fully managed & supervisionato da DINAO
Dettagli tecnici
Ti chiedi…
Quali formati può elaborare Tika?
Oltre un migliaio: PDF, documenti Office (Word, Excel, PowerPoint), e-mail, formati web, immagini, archivi… tutti tramite un'interfaccia unica di estrazione di testo e metadati.
Tika può leggere i documenti scansionati?
Sì, con l'OCR (Tesseract) attivato: Tika estrae il testo dai PDF scansionati e dalle immagini. Questa opzione è disponibile a seconda della formula scelta.
Dove sono ospitati i dati?
Sull'infrastruttura DINAO in Francia, in uno dei datacenter disponibili. I tuoi documenti vengono analizzati in loco e non lasciano il territorio.
Sono necessarie competenze tecniche?
Per integrare l'API nelle tue pipeline, sì: Tika è un servizio di estrazione destinato alle applicazioni. DINAO gestisce l'installazione, il server, la sicurezza e gli aggiornamenti.
I miei documenti vengono conservati dopo l'estrazione?
No di default: Tika estrae il contenuto on the fly e non memorizza in modo duraturo i tuoi file. La eventuale ritenzione viene definita con te.
