支持多种文件存储模式，包括数据库，网络路径，
FTP服务器，HDFS等分布式文件存储协议

可解析文档超过二百种，除了HTML、Htm、Txt，Word、Excle、Ppt、Pdf，OFD
等常见的文本型文件外，还包括JPEG、BMP、GIF、TIFF、PCX、AVI、WAV
等二十多种图像声音动画格式。

集成图像OCR 技术，可识别图片中的文字，表格，标签等等，
汉字识别率超过98%。

提供文本/图片自动分类聚类，自动提取关键词和摘要，命名实体识别，
文本去重及相似度计算等多种语义搜索技术。