Question

我正在尝试将curl脚本转换为在Python中将grobid服务器上的pdf文件解析为requests。

基本上，如果我按如下方式运行grobid服务器，

./gradlew run

我可以使用以下curl来获取学术论文example.pdf的解析XML输出，如下所示

curl -v --form input=@example.pdf localhost:8070/api/processHeaderDocument

但是，我不知道将此脚本转换为Python的方法。以下是我尝试使用requests：

GROBID_URL = 'http://localhost:8070'
url = '%s/processHeaderDocument' % GROBID_URL
pdf = 'example.pdf'
xml = requests.post(url, files=[pdf]).text

Answer 1

我得到了答案。基本上，我错过了api中的GROBID_URL，输入files也应该是字典而不是列表。

GROBID_URL = 'http://localhost:8070'
url = '%s/api/processHeaderDocument' % GROBID_URL
pdf = 'example.pdf'
xml = requests.post(url, files={'input': open(pdf, 'rb')}).text

Answer 2

这是来自 http://ceur-ws.bitplan.com/index.php/Grobid 的示例 bash 脚本。请注意，还有一个随时可用的 python 客户端可用。见https://github.com/kermitt2/grobid_client_python

#!/bin/bash
# WF 2020-08-04
# call grobid service with paper from ceur-ws
v=2644
p=44
vol=Vol-$v
pdf=paper$p.pdf
if [ ! -f $pdf ]
then
  wget http://ceur-ws.org/$vol/$pdf
else
  echo "paper $p from volume $v already downloaded" 
fi
curl -v --form input=@./$pdf http://grobid.bitplan.com/api/processFulltextDocument > $p.tei

将Grobid curl命令转换为Python中的请求

2 个答案: