python将文件发送到作为服务运行的tika

Question

Reference to this question我想将一个MS Word（.doc）文件发送到作为服务运行的tika应用程序，我该怎么做？

有此链接运行蒂卡： http://mimi.kaktusteam.de/blog-posts/2013/02/running-apache-tika-in-server-mode/

但对于Python代码来访问它，我不知道我是否可以使用套接字或urllib的或者究竟是什么？

Answer 1

对于远程访问Tika，基本上有两种方法可用。一个是Tika JAXRS Server，它提供了一个完整的RESTful界面。另一个是简单的Tika-App --server mode，它只是在网络管道级别工作。

对于生产用途，您可能需要使用Tika JAXRS服务器，因为它的功能更为全面。对于简单的测试和入门而言，服务器模式下的Tika应用应该没问题

对于后者，只需连接到您正在运行Tika-App的端口，将其传输到您的文档数据中，然后阅读您的html返回。例如，在一个终端运行

$ java -jar tika-app-1.3.jar --server --port 1234 

然后，在另一个做

$ nc 127.0.0.1 1234 < test.pdf 

然后，您会看到HTML测试PDF的返回

从蟒蛇，你只想要一个简单的套接字调用就像netcat那样做，发送二进制数据，然后回读结果。例如，你可以试试：

#!/usr/bin/python 
import socket, sys 

# Where to connect 
host = '127.0.0.1' 
port = 1234 

if len(sys.argv) < 2: 
    print "Must give filename" 
    sys.exit(1) 

filename = sys.argv[1] 
print "Sending %s to Tika on port %d" % (filename, port) 

# Connect to Tika 
s = socket.socket(socket.AF_INET, socket.SOCK_STREAM) 
s.connect((host,port)) 

# Open the file to send 
f = open(filename, 'rb') 

# Stream the file to Tika 
while True: 
    chunk = f.read(65536) 
    if not chunk: 
    # EOF 
    break 
    s.sendall(chunk) 

# Tell Tika we have sent everything 
s.shutdown(socket.SHUT_WR) 

# Get the response 
while True: 
    chunk = s.recv(65536) 
    if not chunk: 
    # EOF 
    break 
    print chunk