如何在一台服务器上安装Tika时使用Tika？

Question

• 我需要建立一个内部网站，允许用户上传.doc，.pdf，.xls文件，并在textarea框中查看文字。
• 我已经在PHP中创建了网站，用户可以上传文件。
• 我已经在我的服务器上安装了Tika，并且在命令行中可以输入java -jar tika-app-1.10-SNAPSHOT.jar -m manu.pdf > output.txt，它会在输出文件中成功创建我需要的文本。

从PHP调用Tika以获取上传文件的纯文本到PHP的最佳方法是什么？

搜索我发现：

1. 调用“Tika服务器”的PHP代码，例如与cURL
2. 用于Tika的PHP Wrapper类似乎在安装PHP的同一台服务器上使用Tika，但我还没有让它们工作。
3. 或者，我可以通过exec命令调用Tika。

但我不确定最简单的方法是什么。

Answer 1

如果它位于您自己的托管服务器上，并且您已知 PHP 和 Tika 位置，请使用exec。 或者如果您更喜欢更好的控制（我怀疑您不需要），请使用shell_exec
如果你有一些性能问题，和/或需要扩展这个问题，那么就有更复杂的解决方案。

Answer 2

更简单的方法（调用API）

要在远程服务器上运行，我建议您使用curl或Guzzle来呼叫该地址（但您也可以使用file_get_contents并将其传递给API的网址将在远程服务器上调用 Tika 。

其他方法（在本地服务器上执行进程）

为了在同一服务器上的本地（ Tika 和 PHP ）上运行解析，我使用了Synfony/Process。

我个人不鼓励你只使用exec。

我想补充说，在另一台服务器上安装Tika会强制您向该服务器发送从用户上传的整个文件负载。 更快的解决方案是通过PHP执行来接收上传，并直接从同一脚本（或至少从同一台机器）调用Tika进程。 否则你需要一个脚本：

• 接收上传的数据
• 上传到 Tika 服务器（可能是API调用的有效负载）
• 告诉远程服务器上的 Tika （通过API）来解析文件
• 下载响应解析数据
• 使用它或显示它。

正如我高调的那样，两台服务器之间的通信会有更多的开销;当要解析的文件可能是35MB的pdf文件时，这是不可取的，是吗？ 用户必须等待，比如2分钟才能上传， PLUS 其他，比方说，20秒将文件发送到 Tika 服务器，然后其他，让我们说3秒钟来获得文本格式解析结果。

我强烈建议您继续使用相同的 PHP 服务器。