多国语言规范，微软官方描述，非常有用的PDF文件-Multi-language specification, Microsoft' s official descr iption, a very useful PDF documents

XPDF:把pdf文档转化为TEXT文档的库，如需中文支持，请到官方网站下载中文语言包 HTM2TXT:把HTML文件转化为TEXT文件的库 ICTCLAS:对中文字符串进行分词的库 PS2TXT:把Postscr ipt文件转化为TEXT文件的源码-XPDF: the pdf file into a TEXT document library, for Chinese language support, please visit the official website to do

ICTCLAS的最新版本2012. 1.增加了CICTCLAS部分函数 2.修正了部分再UTF-8下计算位移偏移量的Bug. 3.ICTCLAS完全兼容开源搜索引擎Sphinx，具体可以访问Sphinx官网； 4.为保障用户使用的便利，从本版开始，调用的dll的名称一律为ICTCLAS2011.dll，不再变化，一般用户只需要变更dll及对应的.user授权文件，无需重新编译自己的程序，即可兼容新版本分词程序。 -ICTCLAS the latest version 2