Apache Tika Docker 项目使用教程

1. 项目的目录结构及介绍

Apache Tika Docker 项目的目录结构如下：

tika-docker/
├── CHANGES.md
├── Dockerfile
├── LICENSE
├── README.md
├── docker-compose-tika-customocr.yml
├── docker-compose-tika-ner.yml
├── env
├── sample-configs/
│   ├── custom-ocr-config.xml
│   ├── ner-config.xml
│   └── ...
└── ...

主要文件介绍：

• CHANGES.md: 记录项目的变更历史。
• Dockerfile: 用于构建 Docker 镜像的脚本。
• LICENSE: 项目的许可证文件。
• README.md: 项目的基本介绍和使用说明。
• docker-compose-tika-customocr.yml: 用于启动带有自定义 OCR 配置的 Tika 服务。
• docker-compose-tika-ner.yml: 用于启动带有命名实体识别配置的 Tika 服务。
• env: 环境变量文件，用于配置 Docker Compose 文件中的变量。
• sample-configs/: 包含一些示例配置文件，如自定义 OCR 和命名实体识别的配置文件。

2. 项目的启动文件介绍

Dockerfile

Dockerfile 是用于构建 Docker 镜像的脚本，内容如下：

FROM ubuntu:latest
RUN apt-get update && apt-get install -y openjdk-11-jre-headless wget
RUN wget https://downloads.apache.org/tika/tika-server-standard-2.5.0.jar
EXPOSE 9998
CMD ["java", "-jar", "tika-server-standard-2.5.0.jar"]

docker-compose 文件

docker-compose-tika-customocr.yml

version: '3'
services:
  tika:
    image: apache/tika:latest
    ports:
      - "9998:9998"
    environment:
      - TIKA_CONFIG=/configs/custom-ocr-config.xml
    volumes:
      - ./sample-configs:/configs

docker-compose-tika-ner.yml

version: '3'
services:
  tika:
    image: apache/tika:latest
    ports:
      - "9998:9998"
    environment:
      - TIKA_CONFIG=/configs/ner-config.xml
    volumes:
      - ./sample-configs:/configs

3. 项目的配置文件介绍

示例配置文件

custom-ocr-config.xml

<properties>
  <parsers>
    <parser class="org.apache.tika.parser.ocr.TesseractOCRParser">
      <params>
        <param name="tesseractPath" value="/usr/bin/tesseract"/>
      </params>
    </parser>
  </parsers>
</properties>

ner-config.xml

<properties>
  <parsers>
    <parser class="org.apache.tika.parser.ner.NamedEntityParser">
      <params>
        <param name="nerPath" value="/usr/local/bin/ner"/>
      </params>
    </parser>
  </parsers>
</properties>

环境变量文件 env

TAG=1.26
TIKA_CONFIG=/configs/custom-ocr-config.xml

以上是 Apache Tika Docker 项目的基本使用教程，涵盖了项目的目录结构、启动文件和配置文件的介绍。希望对您有所帮助。