Windows环境使用tika-python时如何增大Tika堆内存至1GB左右

你之前配置不生效的核心原因有两个：

1. tika-python首次被调用后会在后台常驻Java进程，后续运行脚本时会直接复用该进程，不会读取新的内存参数配置
2. 你在命令行设置环境变量时加了多余的引号，以及在main函数内才配置环境变量（此时tika模块已经提前导入，进程已启动，参数不会生效）

步骤1：杀死现有残留的Tika Java进程 #

打开CMD或PowerShell，执行以下任意一种命令清理残留进程：

• 按端口查找杀死（推荐，不影响其他Java服务）：
  1. 查找占用Tika默认端口9998的进程PID：netstat -ano | findstr :9998
  2. 杀死对应进程，替换下方<PID>为上一步查到的数字：taskkill /PID <PID> /F
• 直接杀死所有Java进程（仅在无其他Java服务运行时使用）：taskkill /im java.exe /f

步骤2：正确配置内存参数并启动脚本 #

方案A：命令行临时配置（无代码侵入，推荐） #

注意设置环境变量时不要加引号，执行顺序如下：

set TIKA_JAVA_ARGS=-Xmx2G
python3 findEmv1.52.py

这里设置为2G内存，你也可以根据需求调整为-Xmx4G等更大值。

方案B：代码内硬编码配置 #

必须保证设置环境变量的代码在导入tika模块之前执行，示例如下：

import os
import time

# 先设置环境变量，再导入tika
os.environ["TIKA_JAVA_ARGS"] = "-Xmx2G"
from tika import parser as tika_parser

def main():
    # 不要在main内才设置环境变量，此时tika已导入完成，进程已启动，参数不生效
    start_time = time.time()
    # 其余业务代码

额外稳定性方案（可选） #

如果仍然偶发报错，可以手动提前启动带内存参数的Tika服务，再让Python脚本直接连接：

1. 单独开一个CMD窗口启动Tika服务：java -Xmx2G -jar tika-app-2.1.0.jar --server --port 9998
2. 直接运行Python脚本即可，不需要再配置TIKA_JAVA_ARGS环境变量，tika-python会自动连接本地已启动的9998端口服务。

配置生效验证 #

启动脚本后，在CMD执行jps -lvm，找到Tika对应的Java进程，确认参数列表中存在-Xmx2G即代表配置成功。

内容的提问来源于stack exchange，提问作者nerdfever.com