EXTractor2.5的详细配置

EXTractor2.5是一款高效文本提取工具，支持多格式文档（PDF、Word、Excel等）的批量处理。其核心配置包括：1. **处理器**：搭载多线程引擎，可自定义并发数（默认4线程）；2. **OCR模块**：集成Tesseract 5.0，支持20+语言识别，精度阈值可调（70%-95%）；3. **输出选项**：提供TXT/JSON/CSV格式，支持UTF-8/GBK编码；4. **过滤规则**：支持正则表达式匹配、关键词黑名单及长度过滤；5. **缓存机制**：内置512MB内存缓存，可扩展至本地临时目录。配置通过JSON文件管理，允许动态加载。系统需求：Windows/Linux，Java 11+或.NET Core 3.1+环境。