[英]Elasticsearch attachment plugin vs own tika implementation
我想使用Tika工具包来索引文档文件(pdf,docx ...)和图像(通过tesseract插件)的内容。
我尝试了弹性摄取附件插件( https://www.elastic.co/guide/en/elasticsearch/plugins/master/ingest-attachment.html ),它工作得很好,但是没有内置OCR。 而且我必须发送我的文件的base64,因此高内存使用率+弹性索引对“ data”(base64)字段毫无用处。
我正在考虑直接使用Tika工具包,然后在ElasticSearch中索引内容。
所以我想知道这是否是更好的方法?
在撰写本文时,elasticsearch elasticsearch-mapper-attachments
插件中几乎没有关于通过Tesseract启用OCR的文档。
一切都指向您在Elasticsearch之外处理OCR的任务,然后分别索引内容。
参考: https : //github.com/elastic/elasticsearch-mapper-attachments/issues/10
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.