Question

我正在尝试使用Apache Tika：app＆amp;服务器，gui和命令行。

使用Tika app，我可以做类似

的事情

    java -jar tika-app-1.7.jar --gui

并选择＆＃39;查看＆＃39; - ＆GT; ＆＃39;主要内容＆＃39;或

    java -jar tika-app-1.7.jar --text-main http://www.cnn.com/2015/07/09/politics/russian-bombers-u-s-intercept-july-4/index.html

我需要主要内容，但似乎在服务器模式下我只能获得纯文本。我正在检查this guide。

    curl -s "http://amzn.com/B005IWM8PU" | curl -X PUT -T - http://<server_ip>:9998/meta
    curl -s "http://amzn.com/B005IWM8PU" | curl -X PUT -T - http://<server_ip>:9998/tika

也许，在http：//：9998 /之后出现的东西会起作用吗？有没有办法在服务器模式下获取主要内容？

最后，请求必须在Ruby，tika-server-1.3.jar中进行。到目前为止看起来像这样：

    require "net/http"

    tika_prefix = URI('http://<server_ip>:9998/tika')
    url = 'http://www.cnn.com/2015/07/09/politics/russian-bombers-u-s-intercept-july-4/index.html'
    request = Net::HTTP::Put.new(tika_prefix.to_s)
    request.body = url
    request.content_type = 'text/html'
    http = Net::HTTP.start(tika_prefix.hostname, tika_prefix.port)
    http.request(request).body

Answer 1

截至今天，这是可能的。 Tika 1.15现在实现了TIKA-2343功能请求，在服务器模式下添加了--text-main等效功能。

vaites/php-apache-tika是我使用的Tika的PHP绑定，我已经打开了an issue，所以我们应该能够很快看到它。

编辑：PHP绑定库现在支持此功能。

Apache Tika服务器请求获取主要内容＆＃39;而不是纯文本＆＃39;

1 个答案: