Apache Tika服务器-请求标头参数？
Apache Tika服务器-请求标头参数？
提问于 2020-05-26 05:26:16
Apache Tika Server提供了一个Rest API来从文档中提取文本。还可以设置特定的请求头参数，如X-Tika-PDFOcrStrategy。例如：
$ curl -T test/Dokument01.pdf http://localhost:9998/tika --header "X-Tika-PDFOcrStrategy: ocr_only"从大量关于tika的不同文档中，我发现了这些有文档记录的附加头部参数：
X-Tika-OCRLanguage: eng
X-Tika-PDFextractInlineImages: true | false
X-Tika-PDFOcrStrategy: ocr_only | ocr_and_text_extraction
X-Tika-OCRoutputType: hocr但是似乎没有关于如何使用X-Tika-.....?头参数或者支持哪些参数以及不支持哪些参数的文档。
例如，我想知道是否可以使用以下内容覆盖ImageType模式或DPI：
X-Tika-PDFocrImageType: rgb
X-Tika-PDFocrDPI: 100我的问题是:支持哪些头参数，这些参数遵循哪些命名约定？
回答 1
Stack Overflow用户
回答已采纳
发布于 2020-05-26 11:47:57
处理X-Tika-OCR和X-Tika-PDF头的代码是TikaResource.processHeaderConfig。
然后，通过反射将这些标头后缀和值映射到TesseractOCRConfig和PDFParserConfig配置对象。
因此，要了解您可以设置哪些X-Tika标头，请查找要调整的配置类(Tesseract或PDF)上的选项，然后构建名称，然后设置标头。如果您不确定选项的作用，或者不确定它需要什么值，请查看将被调用的底层setter方法的JavaDocs。
例如PDF上的setExtractInlineImages，它映射到X-Tika-PDFextractInlineImages。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/62011038
复制相关文章
相似问题
腾讯云开发者
