將 Grobid curl 命令轉換為 Python 中的請求

Question

我正在嘗試將curl腳本轉換為從grobid服務器解析 pdf 文件到 Python 中的requests 。

基本上，如果我按如下方式運行grobid服務器，

./gradlew run 

我可以使用以下curl來獲取學術論文example.pdf的解析 XML 的輸出，如下所示

curl -v --form input=@example.pdf localhost:8070/api/processHeaderDocument

但是，我不知道如何將此腳本轉換為 Python。 這是我嘗試使用requests ：

GROBID_URL = 'http://localhost:8070'
url = '%s/processHeaderDocument' % GROBID_URL
pdf = 'example.pdf'
xml = requests.post(url, files=[pdf]).text

Answer 1

我得到了答案。 基本上，我錯過了GROBID_URL api ，而且輸入files應該是字典而不是列表。

GROBID_URL = 'http://localhost:8070'
url = '%s/api/processHeaderDocument' % GROBID_URL
pdf = 'example.pdf'
xml = requests.post(url, files={'input': open(pdf, 'rb')}).text

Answer 2

這是來自http://ceur-ws.bitplan.com/index.php/Grobid的示例 bash 腳本。 請注意，還有一個隨時可用的 python 客戶端可用。 見https://github.com/kermitt2/grobid_client_python

#!/bin/bash
# WF 2020-08-04
# call grobid service with paper from ceur-ws
v=2644
p=44
vol=Vol-$v
pdf=paper$p.pdf
if [ ! -f $pdf ]
then
  wget http://ceur-ws.org/$vol/$pdf
else
  echo "paper $p from volume $v already downloaded" 
fi
curl -v --form input=@./$pdf http://grobid.bitplan.com/api/processFulltextDocument > $p.tei