python将文件发送到作为服务运行的tika

我想将MS Word（.doc）文件发送到作为服务运行的tika应用程序，如何执行此操作

运行tika时有以下链接：

---

但是对于访问它的python代码，我不确定是否可以使用套接字或urllib，或者确切地说是什么？

对于远程访问Tika，基本上有两种方法可用。一个是，它提供了一个完整的RESTful接口。另一个是simple，它只在网络管道级别工作

对于生产使用，您可能需要使用Tika JAXRS服务器，因为它的功能更加全面。对于简单的测试和入门，服务器模式下的Tika应用程序应该可以

对于后者，只需连接到运行Tika应用程序的端口，将其流式传输到您的文档数据，然后将html读回即可。例如，在一个终端运行中

$ java -jar tika-app-1.3.jar --server --port 1234

然后，在另一个例子中，做

$ nc 127.0.0.1 1234 < test.pdf

$nc127.0.0.11234

然后您将看到测试PDF返回的html

在python中，您只需要一个简单的套接字调用，就像netcat一样，发送二进制数据，然后读回结果。例如，尝试以下方法：

#!/usr/bin/python
import socket, sys

# Where to connect
host = '127.0.0.1'
port = 1234

if len(sys.argv) < 2:
  print "Must give filename"
  sys.exit(1)

filename = sys.argv[1]
print "Sending %s to Tika on port %d" % (filename, port)

# Connect to Tika
s = socket.socket(socket.AF_INET, socket.SOCK_STREAM)
s.connect((host,port))

# Open the file to send
f = open(filename, 'rb')

# Stream the file to Tika
while True:
  chunk = f.read(65536)
  if not chunk:
    # EOF
    break
  s.sendall(chunk)

# Tell Tika we have sent everything
s.shutdown(socket.SHUT_WR)

# Get the response
while True:
  chunk = s.recv(65536)
  if not chunk:
    # EOF
    break
  print chunk

#/usr/bin/python
导入套接字，sys
#在哪里连接
主机='127.0.0.1'
端口=1234
如果len（系统argv）<2：
打印“必须提供文件名”
系统出口（1）
filename=sys.argv[1]
打印“将%s发送到端口%d上的Tika”%（文件名，端口）
#连接蒂卡
s=socket.socket（socket.AF_INET，socket.SOCK_STREAM）
s、 连接（（主机、端口））
#打开要发送的文件
f=打开（文件名为“rb”）
#将文件流式传输到Tika
尽管如此：
chunk=f.read（65536）
如果不是块：
#EOF
打破
s、 sendall（块）
#告诉蒂卡我们已经把所有的东西都送来了
s、 关闭（插座关闭）
#得到回应
尽管如此：
chunk=s.recv（65536）
如果不是块：
#EOF
打破
打印块

您计划使用Tika应用程序服务器而不是功能更全面的服务器有什么原因吗？这基本上是我在系统上安装的，因为我无法轻松安装新东西。谢谢，您能告诉我如何在sockets中安装吗？我真的很感激。