python将文件发送到作为服务运行的tika

Question

Reference to this question我想将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？在

运行tika有以下链接： http://mimi.kaktusteam.de/blog-posts/2013/02/running-apache-tika-in-server-mode/

但是对于python代码访问它，我不确定是否可以使用sockets或urllib，或者确切地说是什么？在

Answer 1

对于对Tika的远程访问，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接口。另一个是简单的Tika-App server mode，它只在网络管道级别工作。

对于生产使用，您可能希望使用Tika JAXRS服务器，因为它的功能更加全面。对于简单的测试和入门，服务器模式下的Tika应用程序应该没问题

对于后者，只需连接到运行Tika应用程序的端口，将文档数据流化，然后读回html。例如，在一个终端运行中

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

然后，在另一个，做

^{pr2}$

然后您将看到测试PDF返回的html

在python中，您只需要一个简单的socket调用，就像netcat一样，发送二进制数据，然后读回您的结果。例如，尝试类似于：

#!/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