oksanac/docker-tika-jaxrs-server

docker-tika-jaxrs-server

该Docker镜像基于最新Ubuntu系统，运行Apache Tika 1.23服务器（使用Java 11），端口为9998。镜像默认包含GDAL和Tesseract OCR解析器的依赖，已安装英文和西班牙语文本识别语言包。

核心功能

• 文档解析：支持多种格式文档的内容提取
• OCR识别：支持英文、西班牙语文本的光学字符识别
• 可扩展：可通过修改apt-get命令或ADD指令添加更多语言包

使用场景

• 企业或个人需要快速部署文档解析服务
• 应用集成中需要提取文档内容或OCR识别的场景

配置说明

基础使用

1. 拉取镜像：

bash
docker pull docker.xuanyuan.run/oksanac/docker-tika-jaxrs-server

2. 运行容器：

bash
docker run -d -p 9998:9998 docker.xuanyuan.run/oksanac/docker-tika-jaxrs-server

Docker Compose配置

yml
version: '3.7'
services:
  tika:
    image: docker.xuanyuan.run/oksanac/docker-tika-jaxrs-server
    ports:
      - 9998:9998

添加自定义tika-config.xml

修改conf/tika-config.xml配置文件后，重新构建镜像即可生效。

构建镜像

从源码构建镜像：

bash
docker build -t 'docker-tika-jaxrs-server' github.com/oksana-c/docker-tika-jaxrs-server

运行自定义构建的镜像：

bash
docker run -d -p 9998:9998 docker.xuanyuan.run/docker-tika-jaxrs-server

测试

测试PDF解析功能：

bash
curl -X PUT --data-binary @<path-to-pdf-file.pdf> http://localhost:9998/tika --header "Content-type: application/pdf"

更多信息

关于Apache Tika Server的详细信息，请访问http://wiki.apache.org/tika/TikaJAXRS。

作者

Oksana Cyrwus (<***>)
感谢David Meikle（https://github.com/LogicalSpark/docker-tikaserver）提供的原始镜像。

许可证

Copyright 2019 Oksana Cyrwus
基于Apache License 2.0许可。详情请见http://www.apache.org/licenses/LICENSE-2.0。