用Java将GrobidExtractor.properties传递给Tika？

Question

我试图编写一个使用JournalParser从期刊文章中提取作者、引文等的Java应用程序。GrobidJournalParser的文档给出了命令行应用程序和TikaServer的说明。我需要指出Grobid在本地主机以外的其他地方运行:8080。我在我的类路径上有一个包含正确URL的GrobidExtractor.properties文件，但是它似乎没有被找到--我得到了一个错误，因为它试图访问localhost上的Grobid8080。

   WARNING: Interceptor for {http://localhost:8080/processHeaderDocument}WebClient has thrown exception, unwinding now
org.apache.cxf.interceptor.Fault: No message body writer has been found for class org.apache.cxf.jaxrs.ext.multipart.MultipartBody, ContentType: multipart/form-data
    at org.apache.cxf.jaxrs.client.WebClient$BodyWriter.doWriteBody(WebClient.java:1220)

有没有其他方法告诉蒂卡或JournalParser在哪里找到格罗比德？Javadocs在这方面没有任何帮助。

Answer 1

作为在与Tika一起使用GROBID的文档中解释，如果要配置Tika以使用备用GROBID服务器，则可以使用名为org/apache/tika/parser/journal/GrobidExtractor.properties的文件进行配置。

你只打电话给你的GrobidExtractor.properties，这就是为什么它没有被捡起来的原因。需要完整的路径。

假设您使用的是Linux，使用的是Tika应用程序，并且GROBID属性位于当前目录中，则需要使用以下内容来修复它：

mkdir -p org/apache/tika/parser/journal
mv GrobidExtractor.properties org/apache/tika/parser/journal/
java -classpath .:tika-app-1.13.jar org.apache.tika.cli.TikaCLI --metadata journal.pdf