logo标签列表

使用Python与Tika，运行时错误：无法启动Tika服务器。

pythonparsingapache-tika
29
我正在尝试使用tika包来解析文件。Tika已成功安装，通过在命令行中运行tika-server-1.18.jar的代码Java -jar tika-server-1.18.jar。
我的Jupyter代码如下：
import tika 
from tika import parser
parsed = parser.from_file('')

然而，我收到以下错误：
2018-07-25 10:20:13,325 [MainThread] [WARNI] 无法看到启动日志消息；正在重试... 2018-07-25 10:20:18,329 [MainThread] [WARNI] 无法看到启动日志消息；正在重试... 2018-07-25 10:20:23,332 [MainThread] [WARNI] 无法看到启动日志消息；正在重试... 2018-07-25 10:20:28,340 [MainThread] [ERROR] 经过3次尝试后仍未收到Tika启动日志消息。 2018-07-25 10:20:28,340 [MainThread] [ERROR] 无法从startServer接收启动确认。
RuntimeError: 无法启动Tika服务器。
1
这个问题有任何更新吗？我收到了相同的错误信息。 - sAguinaga
1
我放弃使用TIKA服务器，而是使用TikaApp来解决问题。"tika_client = TikaApp(file_jar = ''（我存储了tika应用程序的位置）。它有效果。不幸的是，对于解析器我还没有找到解决方案。 - Sha Li
使用TikaApp，tika_client.extract_all_content(path_to_file)返回一个空字符串。 - ballade4op52
4
这个答案解决了我的问题。 - Modem Rakesh goud
7个回答
16
根据Apache Tika网站的说法，所有新版本的tika-server.jar将需要Java 8。
  

2018年4月24日：Apache Tika发布    Apache Tika 1.18已发布！此版本包括错误修复（例如，从PPT中提取分组形状）、安全性修复和升级依赖项。请注意：下一个版本将需要Java 8。请参阅CHANGES.txt文件以获取发布版本中的完整更改列表，并查看下载页面以了解有关如何获取Apache Tika 1.18的更多信息。

当前tika Python库的过时文档声称需要Java 7，但现在必须安装Java 8。这是因为如果在临时文件中未找到tika-server.jar的当前版本，则会在运行时自动下载该文件。
安装Java 8后，我的基本测试代码启动了服务器并且没有出现错误。
在使用Apachetika时，无需安装Java。 - Pooja Khatri
我遇到了同样的问题，我也发布了一个问题，请问您能否查看一下这个问题。似乎tika服务器没有启动，返回了404未找到错误。 - Venkatesh Dharavath
10
在您导入Tika之后，您需要初始化Java服务器。
import tika
tika.initVM()
from tika import parser
parsed = parser.from_file('') //file name should be here
我尝试了相同的方法，导入后进行了初始化。它返回了404未找到错误。请查看此链接：https://stackoverflow.com/q/66445198/8340027。 - Venkatesh Dharavath
3

下载Java。如果您已经安装了Java版本，请尝试将其更新到最新版本。适合我的版本是1.18。

1

您在代码行中没有传递参数（指定文件）：

parsed = parser.from_file('')

请提供一个文件，例如：

parsed = parser.from_file('myfile.txt')

服务器未启动，据推测这会触发无日志警告 - 在Github的源代码的第644行查看。
然后另一个错误消息会告诉你它不会运行...
1

我遇到了同样的错误，并通过以下步骤解决：

  1. 检查我的tika服务器日志文件（通常位于C:/Users/your_user_name/AppData/Local/Temp/）

    2023-04-02 08:06:47,277 [Thread-1 (pr] [ERROR] Unable to run java; is it installed? 2023-04-02 08:06:47,278 [Thread-1 (pr] [ERROR] Failed to receive startup confirmation from startServer.

  2. 怀疑Java未安装。因此，请使用以下命令检查是否已安装Java：

    java -version

  3. 如果未安装，您可以在此处下载：https://www.java.com/en/download/。

  4. 如果仍然出现错误，请尝试手动启动Tika服务器：

    java -jar tika-server.jar

  • 记得在jar文件所在的位置运行它。现在应该可以正常工作了。
1

我遇到了类似的问题。尝试了这里提到的所有步骤，但都没有帮助。

  1. 检查了tika和tika-server的日志文件。 对于Windows系统，您可以在C:/Users/your_user_name/AppData/Local/Temp/中找到它。
  2. 发现tika-server日志中已经提到了端口被占用的错误。

请查看下面的日志片段 -

INFO: Setting the server's publish address to be http://localhost:9998/
WARNING: FAILED SelectChannelConnector@localhost:9998: java.net.BindException: Address already in use: bind
java.net.BindException: Address already in use: bind
        at sun.nio.ch.Net.bind0(Native Method)
        at sun.nio.ch.Net.bind(Unknown Source)
        at sun.nio.ch.Net.bind(Unknown Source)
        at sun.nio.ch.ServerSocketChannelImpl.bind(Unknown Source)
        at sun.nio.ch.ServerSocketAdaptor.bind(Unknown Source)
        at org.eclipse.jetty.server.nio.SelectChannelConnector.open(SelectChannelConnector.java:187)
        at org.eclipse.jetty.server.AbstractConnector.doStart(AbstractConnector.java:316)
        at org.eclipse.jetty.server.nio.SelectChannelConnector.doStart(SelectChannelConnector.java:265)
        at org.eclipse.jetty.util.component.AbstractLifeCycle.start(AbstractLifeCycle.java:64)
        at org.eclipse.jetty.server.Server.doStart(Server.java:293)
        at org.eclipse.jetty.util.component.AbstractLifeCycle.start(AbstractLifeCycle.java:64)
        at org.apache.cxf.transport.http_jetty.JettyHTTPServerEngine.addServant(JettyHTTPServerEngine.java:417)
        at org.apache.cxf.transport.http_jetty.JettyHTTPDestination.activate(JettyHTTPDestination.java:179)
        at org.apache.cxf.transport.AbstractObservable.setMessageObserver(AbstractObservable.java:49)
        at org.apache.cxf.binding.AbstractBindingFactory.addListener(AbstractBindingFactory.java:95)
        at org.apache.cxf.jaxrs.JAXRSBindingFactory.addListener(JAXRSBindingFactory.java:88)
        at org.apache.cxf.endpoint.ServerImpl.start(ServerImpl.java:123)
        at org.apache.cxf.jaxrs.JAXRSServerFactoryBean.create(JAXRSServerFactoryBean.java:206)
        at org.apache.tika.server.TikaServerCli.main(TikaServerCli.java:213)

这明显表明另一个进程已经在相同的端口上运行。所以我只需要杀掉在9998端口上运行的Java进程（我认为可能已经失效了）。
一旦我在任务管理器中结束了该进程，我尝试重新运行Python脚本，它正常工作了。
为了交叉检查，您还可以使用以下命令运行位于相同路径下的tika-server.jar文件- C:/Users/your_user_name/AppData/Local/Temp/，并检查是否失败或正常运行：java -jar tika-server.jar 希望这对将来的某个人有所帮助。
0
如果你和我一样使用的是Ubuntu 20.01（和18.04），解决方案是安装Oracle JDK 17。请按照以下步骤操作：
sudo add-apt-repository ppa:linuxuprising/java
sudo apt update
sudo apt install oracle-java17-installer

在终端上输入java -version。您应该会看到以下的输出内容：
java version "17.0.1" 2021-10-19 LTS`
Java(TM) SE Runtime Environment (build 17.0.1+12-LTS-39)`
Java HotSpot(TM) 64-Bit Server VM (build 17.0.1+12-LTS-39, mixed mode, sharing)

tika 应该能够在 python 中从您的 PDF 中提取文本。

parser.from_file(<your pdf file>)
网页内容由stack overflow 提供, 点击上面的
可以查看英文原文，
原文链接