Question

我正在使用Extracting Request Handler索引html和pdf文件。随着tika的发现，我想在tika的内容之外添加元数据。要做到这一点，我使用文字。=支持。除非我使用动态字段＆＃34; * _ s＆＃34;数据未保存。只有id字段似乎像宣传的那样工作。我确定我做错了什么。我的schema.xml字段定义：

<field name="id" type="string" indexed="true" stored="true" required="true" multiValued="false" />
<!-- The following fields don't work, need to use dynamic fields for some reason -->
<field name="region" type="text_general" indexed="true" stored="true" multiValued="true"/>
   <field name="href" type="text_general" indexed="true" stored="true" multiValued="true"/>
   <field name="services" type="text_general" indexed="false" stored="true" multiValued="true" />

我的Solrj代码：

        ContentStreamUpdateRequest req = new ContentStreamUpdateRequest("/update/extract");
    ContentStream contentStream = new ContentStreamBase.StringStream(contentBean.getContent());
    req.addContentStream(contentStream);

    req.setParam("literal.region", region);

    req.setParam("literal.href", contentBean.getHref());

    req.setParam("literal.id", getDocId(url));
    for (Map.Entry<String,String> entry : getFacetsFromURL(url).entrySet()) {
        logger.info("Setting facet field {} to {}", entry.getKey(), entry.getValue());
        req.setParam("literal." + entry.getKey(), entry.getValue());
    }
    // index h1 tag
    req.setParam("fmap.tags_h1", "h1");
    req.setParam("capture", "h1");
    // index img tag
    req.setParam("fmap.img", "tags_img");
    req.setParam("capture", "img");
    // lowercase tag names
    req.setParam("lowernames", "true");
    /*
     * Passing commitWithin as a parameter seems
     * to be the only way to get it to work with
     * this request handler
     */
    req.setParam("commitWithin", "10000");
    /*
     * Now do the work!
     */
    req.process(server);

将region更改为region_s，将href更改为href_s并将_s添加到地图中的键值，可以正常工作。我不明白为什么区域等不会被保存，除非它与模式中的* _s动态字段匹配。我注意到了其他一些问题。我试图使用copyField将其中一个文字字段移动到一个字段进行分面，我从未在构面字段中看到任何数据。以下是我尝试过的一些方法

<field name="services_facet" type="string" indexed="true" stored="false" multiValued="true" />
<copyField source="services_s" dest="services_facet"/>

services_facet中从未有任何内容。我可以面对服务_但不应该这样做吗？ Solr-Cell是破碎还是记录不清？

Answer 1

此问题是由运行solr的旧jetty会话引起的。这样就无法获取架构更新。一旦我杀死了码头，事情就会按预期发挥作用。

Solrj ContentStreamUpdateRequest无法保存所有文字字段，除非它们是动态的

1 个答案: