我想将tika解析配置为仅在PDF上执行OCR
我想将tika解析配置为仅在PDF上执行OCR
提问于 2020-08-27 10:49:18
我正在尝试操作tika配置文件(使用tika服务器)，以便从OCR处理中排除除PDF之外的所有文档。我尝试了许多组合，例如从默认解析器中排除OCR，但将PDF解析器配置为进行内联处理。我尝试配置自动策略。我从默认解析器中排除了PDF和Tesseract。不走运。我最终运行了两个tika实例，一个配置了OCR，另一个没有配置，并根据扩展名将文件定向到代码中的一个或另一个。我使用的是python tika客户端。有没有更好的方法？更普遍的是，有没有在tika中配置解析器参数的全面指南？我所看到的大多数都是零散的。谢谢。
回答 1
Stack Overflow用户
发布于 2020-09-24 04:50:12
你知道ocrStrategy吗？
pdfParserConfig.setOcrStrategy(ocrStrategy)其中ocrStrategy是枚举- OCRStrategy
您可以为pdf设置OCR_ONLY值，为其他文档设置NO_OCR值
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/63608421
复制相关文章
相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号