如何在Rails应用中正确向FSCrawler上传文档至Elasticsearch索引

嘿，我刚好碰到过类似的问题！核心原因是你没摸透curl的-F参数到底在背后做了什么——它自动帮你处理了multipart/form-data请求的所有细节，而Ruby的HTTP客户端需要你手动把这些细节补全。咱们一步步来解决：

首先先纠正你的curl命令（顺便解决临时文件名的问题），再对应到Ruby的实现：

先把curl的问题解决：上传原始文件名 #

你之前的curl用了临时文件的路径，所以FSCrawler拿到的是临时文件名。只要在-F参数里加上filename=指定原始文件名就行，先验证这个：

curl -F "file=@#{params[:document][:upload].tempfile.path};filename=#{params[:document][:upload].original_filename}" "http://127.0.0.1:8080/fscrawler/_upload?debug=true"

这样上传后，索引里的文件名就会是用户上传的原始名称了，接下来用Ruby客户端复刻这个请求。

推荐方案：用RestClient实现（简洁不易错） #

RestClient处理multipart表单比Net::HTTP省心太多，你之前踩的坑都是因为没正确构造表单字段。直接上代码：

require 'rest-client'

uploaded_file = params[:document][:upload]

response = RestClient.post(
  'http://127.0.0.1:8080/fscrawler/_upload?debug=true',
  {
    # 关键：这里要把文件包装成带文件名和类型的哈希
    file: {
      filename: uploaded_file.original_filename,
      content: uploaded_file.tempfile,
      content_type: uploaded_file.content_type
    }
  }
)

# 查看响应结果
puts response.body

为啥之前的RestClient尝试失败？ #

• 直接传临时文件路径：RestClient会把路径当成普通字符串内容发出去，FSCrawler收到的是文本（比如/tmp/abc123.tmp），自然报Unsupported media type
• 用File.read读内容：这种方式相当于把文件内容当成普通表单字段，没有告诉FSCrawler这是个文件，所以它没法处理，直接返回内部错误

如果必须用Net::HTTP（原生库方案） #

Net::HTTP需要手动拼multipart请求的所有部分，比较繁琐，但能精准控制。代码如下：

require 'net/http'
require 'uri'
require 'cgi'
require 'securerandom'

uploaded_file = params[:document][:upload]
uri = URI('http://127.0.0.1:8080/fscrawler/_upload?debug=true')

# 生成随机的请求边界（multipart表单必须的）
boundary = "----RubyMultipart#{SecureRandom.hex(16)}"

request = Net::HTTP::Post.new(uri)
request.content_type = "multipart/form-data; boundary=#{boundary}"

# 手动构造请求体
body_parts = []
# 添加file字段的头部信息
body_parts << "--#{boundary}"
body_parts << "Content-Disposition: form-data; name=\"file\"; filename=\"#{CGI.escape(uploaded_file.original_filename)}\""
body_parts << "Content-Type: #{uploaded_file.content_type}"
body_parts << ""
# 读取临时文件的内容
uploaded_file.tempfile.open
body_parts << uploaded_file.tempfile.read
uploaded_file.tempfile.close
# 结束请求边界
body_parts << "--#{boundary}--"
body_parts << ""

request.body = body_parts.join("\r\n")

# 发送请求
response = Net::HTTP.start(uri.hostname, uri.port) do |http|
  http.request(request)
end

puts response.body

之前Net::HTTP踩坑的原因： #

• 直接传Tempfile对象：没设置filename和正确的Content-Disposition，FSCrawler根本识别不出这是个有效文件，所以Tika报了ZeroByteFileException（其实是请求格式不对，不是文件真的为空）
• 传tempfile.path：Net::HTTP把路径当成字符串发了，FSCrawler收到的是路径文本，所以索引的content字段就是这个路径，而不是文件内容

最后验证两个关键点 #

1. 一定要确保请求的Content-Type是multipart/form-data，并且带正确的边界值
2. file字段的Content-Disposition里必须包含filename=，指定原始文件名

按这个来，就能完全复刻curl的效果，既上传正确的文件内容，又保留原始文件名啦！

内容的提问来源于stack exchange，提问作者David Krider