如何在Tika中延长OCR超时时间？

你遇到的问题是因为X-Tika-Timeout-Millis请求头的超时值无法突破Tika服务器端预设的全局上限，要解决这个问题，必须修改服务器端的配置，具体方法如下：

修改全局OCR超时配置 #

方法1：使用tika-config.xml配置文件 #

1. 找到Tika服务器的tika-config.xml文件（如果不存在，手动创建一个）
2. 添加或更新以下配置节点（单位为毫秒，示例设置为10分钟即600000毫秒）：

<properties>
  <!-- 全局OCR超时设置，覆盖默认的300000毫秒（300秒） -->
  <property name="tika.ocr.timeout" value="600000"/>
  <!-- 可选：单独设置Tesseract引擎的超时时间 -->
  <property name="tesseract.timeout" value="600000"/>
</properties>

3. 重启Tika服务器，新配置即可生效。之后你通过X-Tika-Timeout-Millis设置的超时值只要不超过这个新上限就会生效。

方法2：通过JVM启动参数设置 #

如果你不想修改配置文件，可以在启动Tika服务器时直接通过JVM参数指定超时：

java -Dtika.ocr.timeout=600000 -jar tika-server-standard-2.5.0.jar

同样，-Dtesseract.timeout=600000可以单独控制Tesseract的超时，按需添加即可。

注意事项 #

• 超时值的设置需要根据你的并行处理负载调整，过长的超时可能会导致服务器资源占用过高，影响整体处理效率。
• 无论用哪种方法，修改后都需要重启Tika服务器才能生效。

内容的提问来源于stack exchange，提问作者Kate