Apache Tika 服务器请求获取“主要内容”而不是“纯文本”答案

【问题标题】：Apache Tika server request to get 'main content' instead of 'plain text'Apache Tika 服务器请求获取“主要内容”而不是“纯文本”
【发布时间】：2017-08-02 19:57:42
【问题描述】：

我正在试验 Apache Tika：应用程序和服务器、gui 和命令行。

使用 Tika 应用程序，我可以做类似的事情

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

然后选择“查看”->“主要内容”，或者

    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取纯文本。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/ 之后的东西可以解决问题？有没有办法在服务器模式下获取主要内容？

最后，必须在 Ruby tika-server-1.3.jar 中发出请求。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

【问题讨论】：

我想知道同样的事情，所以我已经向 Tika 邮件列表发送了一封电子邮件。如果有人回复，我会通知你的。
您是否找到了在 Tika-Server 中获取 --text-main 的方法？

标签： ruby http put apache-tika

【解决方案1】：

这在今天是可能的。 Tika 1.15 现在实现了TIKA-2343 功能请求，它在服务器模式下添加了--text-main 等效项。

vaites/php-apache-tika 是我使用的 Tika 的 PHP 绑定，我已经为此打开了 an issue，所以我们应该很快就能看到它的实现。

编辑：PHP 绑定库现在支持此功能。

【讨论】：