4

我尝试使用 Tika 运行一个简单的代码解析行来解析 PDF 中的文本(在本例中名为 outputFileName)。这曾经运行没有错误。我最近将我的笔记本电脑送到我们的工作 IT 部门进行软件更新,并且不得不重新安装 Anaconda 并导入某些模块(例如 2019 年 11 月 9 日发布的 Tika 1.22)来运行我的代码。我还从 Tika 导入了 Parser。这是我得到的代码行和错误消息:

代码:

#解析pdf文件中的文本以使用

pdftext = parser.from_file(outputFileName)

错误

    AttributeError                            Traceback (most recent call last)
    <ipython-input-14-239522b5ef31> in <module>
          1 #parsing the text out of pdf file to work with
    ----> 2 pdftext = parser.from_file(outputFileName)

    ~\AppData\Local\Continuum\anaconda3\lib\site-packages\tika\parser.py in from_file(filename, serverEndpoint, xmlContent, headers, config_path, requestOptions)

         34     '''
         35     if not xmlContent:
    ---> 36         jsonOutput = parse1('all', filename, serverEndpoint, headers=headers,config_path=config_path, requestOptions=requestOptions)

         37     else:
         38         jsonOutput = parse1('all', filename, serverEndpoint, services={'meta': '/meta', 'text': '/tika', 'all': '/rmeta/xml'},

    ~\AppData\Local\Continuum\anaconda3\lib\site-packages\tika\tika.py in parse1(option, urlOrPath, serverEndpoint, verbose, tikaServerJar, responseMimeType, services, rawResponse, headers, config_path, requestOptions)
        327     headers.update({'Accept': responseMimeType, 'Content-Disposition': make_content_disposition_header(path)})
        328     status, response = callServer('put', serverEndpoint, service, open(path, 'rb'),
    --> 329                                   headers, verbose, tikaServerJar, config_path=config_path, rawResponse=rawResponse, requestOptions=requestOptions)
        330 
        331     if file_type == 'remote': os.unlink(path)

    ~\AppData\Local\Continuum\anaconda3\lib\site-packages\tika\tika.py in callServer(verb, serverEndpoint, service, data, headers, verbose, tikaServerJar, httpVerbs, classpath, rawResponse, config_path, requestOptions)
        544 
        545     resp = verbFn(serviceUrl, encodedData, **effectiveRequestOptions)
    --> 546     encodedData.close() # closes the file reading data
        547 
        548     if verbose:

    AttributeError: 'bytes' object has no attribute 'close'

我还下载了 Java 8。

tika.py 源代码有问题吗?还是我错过了需要安装的东西?任何帮助将非常感激。

4

3 回答 3

4

只需安装以前版本的 tika。我有同样的问题,它对我有用。如何?转到终端并键入pip install tika==1.19

于 2019-11-14T14:56:26.100 回答
2

我在更新 tika python 库后也遇到了这个错误,如果你想要临时修复,我建议降级到版本 1.19

于 2019-11-13T16:38:08.893 回答
1

找到解决方案

请参阅 Trofleb 提出解决方案的以下 GitHub 项目:

https://github.com/chrismatmann/tika-python/issues/252

于 2019-11-14T06:54:34.143 回答