用于 pdfbox 的烧瓶 RESTful 服务 [关闭]

Question

#!/usr/bin/env python3

import jpype
import jpype.imports
jpype.addClassPath(sys.argv[1])
jpype.startJVM(convertStrings=False)
import org.apache.pdfbox.tools as tools
tools.ExtractText.main(['-startPage', '1', sys.argv[2], sys.argv[3]])

我使用下面的python代码调用pdfbox。

$ ./main.py pdfbox-app-2.0.20.jar in.pdf output.txt

但是每次我想转换 pdf 文件时加载 jar 文件会很慢。任何人都可以提供烧瓶代码来制作 RESTful 服务，这样 pdfbox 只能加载一次，然后就可以从 PDF 中提取文本了吗？

PS。这个教程不适合解决我的问题。

https://flask.palletsprojects.com/en/1.1.x/patterns/fileuploads/

例如，它导入send_from_directory，这与完整的解决方案有点遥远。我需要的是一个示例程序，它可以从 REST 接口获取输入并将文件保存在某处，然后调用 java 代码，然后将文件发回。因此，需要一个显示所有三个步骤的示例。

Answer 1

您可以在 Flask 中创建一个 POST 路由，该路由将接收上传的 PDF 文件，使用 pdfbox 处理它并将您需要的任何内容返回给用户（文本内容或文本文件本身）。我没有测试这段代码，它只是一个了解想法的示例如何处理它，希望它会有所帮助！

"""
Pseudo-code with possible mistakes, not tested, just to get the idea...
"""
import gzip
from io import BytesIO

import jpype
import jpype.imports
import org.apache.pdfbox.tools as tools
from flask import Flask, make_response
from flask import request

UPLOAD_FOLDER = '/path/to/the/uploads'
ALLOWED_EXTENSIONS = {'txt', 'pdf', 'png', 'jpg', 'jpeg', 'gif'}

app = Flask(__name__)
app.config['UPLOAD_FOLDER'] = UPLOAD_FOLDER

jpype.addClassPath('pdfbox-app-2.0.20.jar')
jpype.startJVM(convertStrings=False)


def allowed_file(filename):
    """ Helper function to figure out if file is a-ok"""
    return '.' in filename and \
        filename.rsplit('.', 1)[1].lower() in ALLOWED_EXTENSIONS


@app.route('/', methods=['POST'])
def index():
    """ Route to upload and process PDF files """
    uploaded_file_name = 'upload.pdf'
    converted_file = 'output.txt'

    # Get the file from the form upload (or any other desired way)
    # If you use curl with -F flag, request will contain 'form' data
    file_data = request.form['file']

    # Save content of file to local disk (e.g. save as .pdf file)
    with open(uploaded_file_name, 'w') as f:
        f.write(file_data)

    # Call your Java thingie
    try:
        tools.ExtractText.main(['-startPage', '1', uploaded_file_name, converted_file])
    except:
        print('Error processing file.')
        # Do extra post-processing if needed

    # Serve back whatever you need here...
    response = make_response(converted_file)
    gzip_buffer = BytesIO()
    gzip_file = gzip.GzipFile(mode='wb', fileobj=gzip_buffer)

    gzip_file.write(response.get_data())
    gzip_file.close()
    response.set_data(gzip_buffer.getvalue())
    response.headers.set('Content-Encoding', 'gzip')
    response.headers.set('Content-Length', len(response.get_data()))
    response.headers.set('Content-Disposition', 'attachment', filename=converted_file)
    return response