ruby - Apache Tika 服务器请求获取 'main content' 而不是 'plain text'

Question

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，http://:9998/之后的内容可以解决问题？ 有什么办法可以在服务器模式下获取主要内容吗？

最后，必须使用 Ruby tika-server-1.3.jar 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

Answer 1

从今天开始这是可能的。 Tika 1.15 现在实现 TIKA-2343功能请求，在服务器模式下添加等效的 --text-main 。

vaites/php-apache-tika 是我使用的 Tika 的 PHP 绑定(bind)，我已经打开 an issue关于这一点，所以我们应该很快就能看到它的实现。

编辑:PHP 绑定(bind)库现在支持此功能。