自托管版本的Dify在处理多种格式文档时，确实需要手动部署一个独立的Tika Server来解决解析问题。简单来说，就是拉取并运行一个tika:2.9.1的容器，确认http://localhost:9998/tika返回OK，接着在Dify后台启用自定义解析服务，填入正确的URL（例如http://10.0.3.5:9998），测试连接成功后保存即可。这样一来，.docx、扫描版PDF的OCR识别，甚至.zip压缩包中的递归解析，都能顺利搞定。

确认Dify环境是否已集成Tika解析能力

先进入Dify管理后台，找到【系统设置 → 文档处理】页面，观察“文档解析引擎”状态栏。如果显示“Apache Tika（已启用）”，说明底层已经预装了Tika服务，可以省心使用；如果显示“未启用”或者干脆为空，那就需要自己动手部署Tika Server，再配置连接地址。

需要特别注意的是：Dify Cloud托管版默认会启用Tika，但自托管版本（例如Docker Compose部署的）需要额外启动Tika Server容器，否则文档解析会直接失败，返回空内容——这个坑有过不少用户踩过。

部署独立Tika Server（自托管用户必做）

打开终端，执行下面这条命令，拉取并运行Tika Server的最新稳定版：

docker run -d -p 9998:9998 --name tika-server apache/tika:2.9.1

这条命令会在后台启动Tika Server，默认监听http://localhost:9998。启动后别急着走，用curl验证一下连通性：curl http://localhost:9998/tika，如果返回OK，说明服务已经就绪。

【关键前提】一定要确保Dify所在服务器能通过HTTP访问这个地址——如果Dify运行在另一台机器上，记得把localhost换成Tika Server所在主机的真实内网IP，同时开放9998端口的防火墙规则，否则会连接失败。

在Dify中配置Tika Server连接地址

第一步：登录Dify管理员账号，进入【系统设置 → 文档处理】

第二步：找到“自定义文档解析服务”开关，点击启用

第三步：在“服务地址”输入框中填写Tika Server的完整URL，例如：http://10.0.3.5:9998（注意：不要带路径后缀，也不加/tika，直接写到端口号即可）

第四步：点击“测试连接”按钮，Dify会向这个地址发送一个HEAD请求。如果成功，会显示绿色“连接正常”；如果失败，提示超时或404——这时候就需要检查URL拼写、网络是否可达，以及Tika Server是否真的在运行。

第五步：保存配置。保存之后，所有新上传的Word、Excel、PPT、PDF等文件，就会自动交给Tika Server去解析，不再依赖Dify内置的轻量解析器了。

验证多格式文档的实际解析效果

方法一：上传一个含表格和图片的.docx文件，在Dify知识库中创建新数据集并导入该文件。等状态变成“已完成”后，点击“查看内容”，确认正文段落、标题层级、表格文字都被准确提取出来，没有乱码。

方法二：上传一份扫描版PDF（需要OCR），观察一下有没有出现“正在执行OCR”的提示。如果Tika Server已经正确加载了tika-parsers-standard-package，并且系统安装了Tesseract，那么这份PDF就能被识别出可搜索文本；否则只能提取元数据，正文区域会是空的。

方法三：上传一个.zip压缩包，里面包含多个.docx和.xlsx文件，确认Dify能递归解压并分别解析每个子文件——这是Tika原生就支持的能力，不需要额外配置。