Python - Tika Parser -内容未加载
Python - Tika Parser -内容未加载
提问于 2020-05-17 02:18:49
直到几天前，我还能够使用tika解析几个PDF。
我没有从代码中更改任何内容，但通过运行以下代码，我再也无法查看这些PDF中的内容：
from tika import parser
raw = parser.from_file('reits.pdf', 'http://localhost:9998/tika')
print(raw['content'])直到最近，conda install -c conda-forge tika的最新安装还很正常。
问题似乎是Java没有激活。当我查看metadata时，我得到了以下错误
'X-TIKA:EXCEPTION:runtime': 'java.lang.NullPointerException\n\tat
我不确定以下内容是否有用，但元数据也返回：
X-Parsed-By': ['org.apache.tika.parser.DefaultParser','org.apache.tika.parser.pdf.PDFParser']
我该怎么做才能让蒂卡重新开始工作？
如果这样做有帮助：
The full exception stack trace is included below:
org.apache.tika.exception.TikaException: Unexpected RuntimeException from org.apache.tika.parser.pdf.PDFParser@3b75f5cb
at org.apache.tika.parser.CompositeParser.parse(CompositeParser.java:293)
at org.apache.tika.parser.CompositeParser.parse(CompositeParser.java:280)
at org.apache.tika.parser.AutoDetectParser.parse(AutoDetectParser.java:143)
at org.apache.tika.parser.ParserDecorator.parse(ParserDecorator.java:188)
at org.apache.tika.parser.DigestingParser.parse(DigestingParser.java:84)
at org.apache.tika.gui.TikaGUI.handleStream(TikaGUI.java:358)
at org.apache.tika.gui.TikaGUI.openFile(TikaGUI.java:309)
at org.apache.tika.gui.ParsingTransferHandler.importFiles(ParsingTransferHandler.java:94)
at org.apache.tika.gui.ParsingTransferHandler.importData(ParsingTransferHandler.java:77)
at javax.swing.TransferHandler.importData(TransferHandler.java:827)
at javax.swing.TransferHandler$DropHandler.drop(TransferHandler.java:1544)
at java.awt.dnd.DropTarget.drop(DropTarget.java:455)
at javax.swing.TransferHandler$SwingDropTarget.drop(TransferHandler.java:1282)
at sun.awt.dnd.SunDropTargetContextPeer.processDropMessage(SunDropTargetContextPeer.java:538)
at sun.lwawt.macosx.CDropTargetContextPeer.processDropMessage(CDropTargetContextPeer.java:143)
at sun.awt.dnd.SunDropTargetContextPeer$EventDispatcher.dispatchDropEvent(SunDropTargetContextPeer.java:852)
at sun.awt.dnd.SunDropTargetContextPeer$EventDispatcher.dispatchEvent(SunDropTargetContextPeer.java:776)
at sun.awt.dnd.SunDropTargetEvent.dispatch(SunDropTargetEvent.java:48)
at java.awt.Component.dispatchEventImpl(Component.java:4744)
at java.awt.Container.dispatchEventImpl(Container.java:2297)
at java.awt.Component.dispatchEvent(Component.java:4711)
at java.awt.LightweightDispatcher.retargetMouseEvent(Container.java:4904)
at java.awt.LightweightDispatcher.processDropTargetEvent(Container.java:4609)
at java.awt.LightweightDispatcher.dispatchEvent(Container.java:4471)
at java.awt.Container.dispatchEventImpl(Container.java:2283)
at java.awt.Window.dispatchEventImpl(Window.java:2746)
at java.awt.Component.dispatchEvent(Component.java:4711)
at java.awt.EventQueue.dispatchEventImpl(EventQueue.java:760)
at java.awt.EventQueue.access$500(EventQueue.java:97)
at java.awt.EventQueue$3.run(EventQueue.java:709)
at java.awt.EventQueue$3.run(EventQueue.java:703)
at java.security.AccessController.doPrivileged(Native Method)
at java.security.ProtectionDomain$JavaSecurityAccessImpl.doIntersectionPrivilege(ProtectionDomain.java:74)
at java.security.ProtectionDomain$JavaSecurityAccessImpl.doIntersectionPrivilege(ProtectionDomain.java:84)
at java.awt.EventQueue$4.run(EventQueue.java:733)
at java.awt.EventQueue$4.run(EventQueue.java:731)
at java.security.AccessController.doPrivileged(Native Method)
at java.security.ProtectionDomain$JavaSecurityAccessImpl.doIntersectionPrivilege(ProtectionDomain.java:74)
at java.awt.EventQueue.dispatchEvent(EventQueue.java:730)
at java.awt.EventDispatchThread.pumpOneEventForFilters(EventDispatchThread.java:205)
at java.awt.EventDispatchThread.pumpEventsForFilter(EventDispatchThread.java:116)
at java.awt.EventDispatchThread.pumpEventsForHierarchy(EventDispatchThread.java:105)
at java.awt.EventDispatchThread.pumpEvents(EventDispatchThread.java:101)
at java.awt.EventDispatchThread.pumpEvents(EventDispatchThread.java:93)
at java.awt.EventDispatchThread.run(EventDispatchThread.java:82)
Caused by: java.lang.NullPointerException
at org.apache.tika.parser.pdf.AbstractPDF2XHTML.extractXMPXFA(AbstractPDF2XHTML.java:209)
at org.apache.tika.parser.pdf.AbstractPDF2XHTML.endDocument(AbstractPDF2XHTML.java:678)
at org.apache.pdfbox.text.PDFTextStripper.writeText(PDFTextStripper.java:267)
at org.apache.tika.parser.pdf.PDF2XHTML.process(PDF2XHTML.java:96)
at org.apache.tika.parser.pdf.PDFParser.parse(PDFParser.java:174)
at org.apache.tika.parser.CompositeParser.parse(CompositeParser.java:280)
... 44 more编辑i通过遵循this answer使Tika能够工作
具体来说，我将目录更改为下载Tika服务器文件的位置，然后运行：java -jar tika-server-x.x.jar -h 0.0.0.0
一旦我在cmd行中运行了上面的代码，服务器就启动了，我的代码可以工作了，我可以查看content。
如何确保python中的Tika自动打开服务器以避免这种手动解决方法？是否需要设置环境变量？
回答 1
Stack Overflow用户
发布于 2020-11-26 08:58:55
我也犯了同样的错误。在我的例子中，修复方法是杀死运行在port 9998上的进程，然后重新执行它。
我在我的Google实例上运行python3，不得不重新启动它，然后发布，不知怎么的，tika服务器变得稳定了。
以下是解决办法：
fuser 9998/tcp
fuser -k 9998/tcp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/61846167
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号