今天发布了Hardwood，这是一个新的Apache Parquet文件格式解析器，旨在减少依赖并提高性能。Hardwood是开源的，支持Java 21及以上版本，采用多线程解码管道显著加快解析速度，支持行和列两种API，适用于多种数据处理场景。未来计划增加对谓词下推的支持，并实现与parquet-java的兼容层。

WhatsApp工程团队将媒体处理库重写为Rust，代码量从16万行C++减少至9万行，提升了内存安全性。此举源于2015年Stagefright漏洞，旨在处理不可信数据。新库“万花筒”能够检测可疑文件，提升性能和内存使用效率。Meta计划在公司内推广Rust，预计未来几年将加速采用。

LangChain 是一个集成多种功能的工具，旨在简化 AI 应用程序的开发，涉及模型、提示和解析器等概念，通过 OpenAI 接口实现方言到正式表达的转换。

YAML 的 Anchors 功能允许在文件中定义内容并在其他地方引用，从而简化配置文件，减少重复。文章通过示例展示了在 GitLab 流水线中使用 Anchors 的方法，便于维护和修改。需注意，并非所有解析器都支持此功能。

自2020年推出以来，Infinity数据源已成为Grafana查询和可视化多种数据格式的首选解决方案。最近的更新增强了功能和性能，新增了JQ解析、OAuth2.0自定义令牌支持，以及通过头部或查询参数传递元数据的功能。此外，新版本支持PATCH、PUT和DELETE方法，并自动启用gzip压缩以提升性能。

自2020年推出以来，Infinity数据源已成为Grafana查询和可视化多种数据格式的首选解决方案。最近的更新增强了其功能，包括支持JQ解析、OAuth2.0自定义令牌、通过头部或查询参数传递元数据，以及支持PATCH、PUT和DELETE方法，并自动启用gzip压缩以提升性能。

Python包索引（PyPI）引入新限制，以防止ZIP解析器混淆攻击，保护包安装程序。PyPI将拒绝构造ZIP混淆攻击的归档文件，并逐步淘汰不正确的RECORD文件。用户和维护者应确保工具更新，遵循ZIP标准。

前沿大语言模型（LLM）在复杂文档处理中的准确性仍有不足，依赖截图的解析方法缺乏企业元数据和信心评分，且维护成本高。LlamaCloud结合LLM与传统解析技术，旨在提高准确性并降低成本，适用于企业级应用。

GStreamer 发布了 1.26.3 版本，新增语音合成元素，改进视频编解码器检测，修复多个安全和性能问题，包括 H.266 视频解析器和 MP4 复用器的缺陷。此外，增强了 DASH 客户端和 WebRTC 功能，并进行了多项错误修复和稳定性改进。

PDF文件解析复杂，本文介绍如何构建自定义PDF解析器，提取和清理文本、处理图像元数据、去除重复的页眉和页脚，并提取文档元数据。模块化设计使功能扩展更灵活。