码头巨蟒

Question

我喜欢创建一个Dockerfile，它安装在Docker容器中运行python所需的所有组件。

到目前为止，这是我的Dockerfile：

###Get python
FROM python:3

RUN pip3 install --upgrade pip requests
RUN pip3 install python-docx tika numpy pandas

RUN mkdir scripts

ADD runner.py /scripts/

CMD [ "python", "./scripts/runner.py" ]

我构建它并运行Dockerfile：

docker build -t docker-tika .

docker run docker-tika

但是它抱怨了以下错误：

[~/Documents/BERT_DV/Docker_Parser] $ docker run docker-tika
2020-05-08 13:49:52,528 [MainThread  ] [INFO ]  Retrieving http://search.maven.org/remotecontent?filepath=org/apache/tika/tika-server/1.24/tika-server-1.24.jar to /tmp/tika-server.jar.
2020-05-08 13:50:09,742 [MainThread  ] [INFO ]  Retrieving http://search.maven.org/remotecontent?filepath=org/apache/tika/tika-server/1.24/tika-server-1.24.jar.md5 to /tmp/tika-server.jar.md5.
2020-05-08 13:50:10,133 [MainThread  ] [ERROR]  Unable to run java; is it installed?
2020-05-08 13:50:10,134 [MainThread  ] [ERROR]  Failed to receive startup confirmation from startServer.
2020-05-08 13:50:10,271 [MainThread  ] [ERROR]  Unable to run java; is it installed?
2020-05-08 13:50:10,271 [MainThread  ] [ERROR]  Failed to receive startup confirmation from startServer.

runner.py脚本如下所示：

import tika
tika.initVM()

我有以下两个问题: 1.我看到我们需要下载tika-server jar 2.调用python脚本中的initVM()，在后台启动tika-server。

我不知道里面少了什么。码头文件。感谢你的帮助！

我也用Java更新了Docker文件，但是它仍然在抱怨Java

### 1. Get Linux
FROM alpine:3.7

### 2. Get Java via the package manager
RUN apk update \
&& apk upgrade \
&& apk add --no-cache bash \
&& apk add --no-cache --virtual=build-dependencies unzip \
&& apk add --no-cache curl \
&& apk add --no-cache openjdk8-jre

ENV JAVA_HOME=/opt/java/openjdk \
    PATH="/opt/java/openjdk/bin:$PATH"

###3. Get ython
FROM python:3

RUN pip3 install --upgrade pip requests
RUN pip3 install python-docx tika numpy pandas

RUN mkdir scripts
RUN mkdir pdfs
RUN mkdir output

ADD runner2.py /scripts/
ADD sample.pdf .

CMD [ "python", "./scripts/runner2.py" ]

cat runner2.py：

#!/usr/bin/env python
import tika
from tika import parser
parsed = parser.from_file('sample.pdf')
print(parsed["metadata"])
print(parsed["content"])

~/Documents/BERT_DV/ docker _Parser $docker run docker-tika

2020-05-08 14:40:23,183 [MainThread  ] [INFO ]  Retrieving http://search.maven.org/remotecontent?filepath=org/apache/tika/tika-server/1.24/tika-server-1.24.jar to /tmp/tika-server.jar.
2020-05-08 14:41:00,480 [MainThread  ] [INFO ]  Retrieving http://search.maven.org/remotecontent?filepath=org/apache/tika/tika-server/1.24/tika-server-1.24.jar.md5 to /tmp/tika-server.jar.md5.
2020-05-08 14:41:02,324 [MainThread  ] [ERROR]  Unable to run java; is it installed?
2020-05-08 14:41:02,324 [MainThread  ] [ERROR]  Failed to receive startup confirmation from startServer.

Answer 1

我没什么好评论的，所以在这里发帖。

看来，您的Dockerfile现在正在制作多级建造，Java不再处于最后一个阶段了--之前的阶段被删除了。

正如Giga之前和其他人所指出的，Java是问题所在。您似乎想用一个Dockerfile来完成它。例如，可以通过将该高山作为基本映像来实现它，但您需要一些额外的依赖项才能安装Python和所需的pip包。当与许多库一起使用时，阿尔卑斯可能不是Python的最佳基础，因为它没有使用libc库。但是，这里是非常粗略更新的Dockerfile：

### 1. Get Linux
FROM alpine:3.7

### 2. Get Java via the package manager
RUN apk update \
&& apk upgrade \
&& apk add --no-cache bash \
&& apk add --no-cache --virtual=build-dependencies unzip \
&& apk add --no-cache curl \
&& apk add --no-cache openjdk8-jre \
&& apk add python3 python3-dev gcc g++ gfortran musl-dev libxml2-dev libxslt-dev

ENV JAVA_HOME=/opt/java/openjdk \
    PATH="/opt/java/openjdk/bin:$PATH"


RUN pip3 install --upgrade pip requests
RUN pip3 install python-docx wheel tika numpy 
RUN pip3 install pandas

RUN mkdir scripts
RUN mkdir pdfs
RUN mkdir output

ADD runner2.py /scripts/
ADD sample.pdf .

CMD [ "python3", "./scripts/runner2.py"  ]

Answer 2

来自蒂卡-s github：

要使用这个库，您需要在后台启动Tika服务器时，在您的系统上安装7+。

所以您需要有java，但是在python:3映像中没有java。有一些解决办法

1. 查找python和tika已安装的坞映像
2. 使用单独的图像
3. 手动在python上安装java :3，将java安装命令添加到Dockerfile中
4. 在java映像上安装python

Answer 3

我正在转发@anapaulagomes的评论作为回答，因为这就是我在谷歌上搜索的原因--将Tika作为一个码头容器运行：

我设法通过使用Tika作为一个单独的服务来解决这个问题(这比在同一个映像中具有更好的性能)。但是，我没有运行Tika的jar，而是使用它的API。您只需要配置环境变量TIKA_CLIENT_ONLY: 1和TIKA_SERVER_ENDPOINT: tika:9998。您可以在这里看到Dockerfile和docker-compose.yml：https://github.com/DadosAbertosDeFeira/maria-quiteria

您可以通过以下方式启动Tika服务

docker run --rm -t -d --name my_tika --net my-network \
         -p 9998:9998 apache/tika:1.27

或者将其添加到您的坞-Compose.yml中：

tika:
    image: apache/tika
    ports:
        - "9998:9998"

这允许您调用from tika import parser和解析，而无需调用tika.initVM()。