Apache Tika服务器提供了一个REST API来从文档中提取文本。还可以设置特定的请求头参数,例如X-Tika-PDFOcrStrategy
。例如:
$ curl -T test/Dokument01.pdf http://localhost:9998/tika --header "X-Tika-PDFOcrStrategy: ocr_only"
我在很多tika相关的文档中找到了这些额外的头部参数:
X-Tika-OCRLanguage: eng
X-Tika-PDFextractInlineImages: true | false
X-Tika-PDFOcrStrategy: ocr_only | ocr_and_text_extraction
X-Tika-OCRoutputType: hocr
但是目前没有关于如何使用 X-Tika-.....?
头部参数的文档,也没有说明支持哪些参数和不支持哪些参数。
例如,我想知道是否可能通过以下方式覆盖 ImageType 模式或 DPI:
X-Tika-PDFocrImageType: rgb
X-Tika-PDFocrDPI: 100
我的问题是:哪些标题参数得到了支持,这些参数遵循哪种命名约定?