将pdf转换为文本时的Python多处理

我正在尝试使用pdf到文本转换器实现多处理，以跨多种语言并行运行转换器。对于文本转换，我使用python的tika端口，因为它似乎非常可靠地转换pdf（比pdfminer3k等更好）。 我正在使用以下代码

import tika
from tika import parser

def parse_pdf(file):
    path_to_pdf = directory + "/" + file
    # Convert PDF to text
    parsed = parser.from_file(path_to_pdf,'http://tika:9998/tika')
    text = str(parsed["content"]).strip('\n')
    return text

#List of languages
languages=["English", "Finnish", "French"]

def pdf_to_text(lang):
    for file in os.listdir(directory):
        if lang in file:
            nr_docs+=1
            print(lang,file)
            text=parse_pdf(file) 
            ...
#Multiprocessing
if __name__ == '__main__':
    pool=mp.Pool()
    results = [pool.map(readability, languages)]
    print(results)

不幸的是，tika似乎存在瓶颈，因为我得到了以下错误：

requests.packages.urllib3.exceptions.MaxRetryError:HTTPConnectionPool（host='tika'，port=9998）：url:/rmeta/text超过了最大重试次数（由NewConnectionError引起（'：未能建立新连接：[Errno 11004]getaddrinfo Failed'，））

---

有人知道如何解决这个问题吗？我的系统应该足够强大（32核，64 RAM）.

看起来它无法解析主机名

tika

@Himal的IP地址。你知道如何解决这个问题吗？你的

hosts

文件中有

tika

？您可以从浏览器访问吗？另外，如果可能的话，尝试使用IP地址（在您的脚本中）。似乎无法解析主机名

tika

@Himal的IP地址。您知道如何解决此问题吗？您的

hosts

文件中是否有

tika

？您可以从浏览器访问吗？此外，如果可能的话，尝试使用IP地址（在脚本中）。