Python程序通过HTTP调用Apache Tika失败求助

我来帮你排查这个问题！你已经确认curl调用Tika服务正常，但Python程序始终无法访问，大概率是Python请求的实现细节和curl不一致导致的，咱们一步步来解决：

1. 确保Python请求和curl的行为完全对齐 #

你的curl命令用PUT方法直接上传文件内容（-T参数），所以Python代码里要严格复刻这个逻辑，推荐用requests库实现，示例代码如下：

import requests

# Tika服务地址
tika_url = "http://localhost:5677/tika"
# 要上传的文件路径
target_file = "/tmp/tmpsojwBN"

# 以二进制模式读取文件，直接作为请求体发送（和curl -T的行为完全一致）
with open(target_file, 'rb') as file_obj:
    response = requests.put(tika_url, data=file_obj)

# 打印响应信息，方便排查问题
print(f"响应状态码: {response.status_code}")
print(f"提取的文本内容:\n{response.text}")

如果你的Python环境没装requests，先执行pip install requests完成安装。

2. 模拟curl的请求头（可选但有效） #

curl会自动带上一些请求头，比如User-Agent和Host，部分老版本的Tika可能对请求头有隐性要求，你可以手动添加这些头来模拟curl的请求：

import requests

tika_url = "http://localhost:5677/tika"
target_file = "/tmp/tmpsojwBN"

# 完全模拟curl的请求头
headers = {
    "User-Agent": "curl/7.47.0",
    "Host": "localhost:5677"
}

with open(target_file, 'rb') as file_obj:
    response = requests.put(tika_url, data=file_obj, headers=headers)

print(response.status_code)
print(response.text)

3. 确认Tika服务的参数是否生效 #

你启动Tika时加了-enableUnsecureFeatures -enableFileUrl，先检查服务启动日志，确认这些特性已经被成功启用（日志里会有类似“Enabled unsecure features”的提示）。另外，Tika 1.17是2018年的老版本，可能存在兼容性问题，建议尝试升级到最新稳定版（比如2.8.x系列），新版本对Python请求的兼容性更好。

4. 排除Python网络环境问题 #

如果上面的方法都不行，排查下Python是否有代理设置，或者本地防火墙是否拦截了Python的请求。你可以用Python内置的urllib库做极简测试，排除第三方库的影响：

import urllib.request

tika_url = "http://localhost:5677/tika"
target_file = "/tmp/tmpsojwBN"

with open(target_file, 'rb') as file_obj:
    # 构造PUT请求
    req = urllib.request.Request(tika_url, data=file_obj, method='PUT')
    with urllib.request.urlopen(req) as response:
        print(f"响应状态码: {response.status}")
        print(f"响应内容:\n{response.read().decode('utf-8')}")

如果执行时出现连接超时、拒绝连接的异常，可能是Python进程的网络权限问题；如果返回4xx/5xx状态码，就根据状态码去Tika官方文档里查对应的原因。

内容的提问来源于stack exchange，提问作者Roman Susi