将Solr与PDF文件一起使用

Question

我想将Solr与PDF文件一起使用，但是我不知道如何配置solrconfig.xml和schema.xml。我应该在那些文件中写什么？目的是使用同义词或拼写检查器进行全文搜索。（我在Windows上使用Solr，将来我将使用API​​ SolrNet）。谢谢！

Answer 1

您将使用Tika从PDF文件中提取文本。

• Tika为title从PDF文档中提取了元数据， author，依此类推。因此，您的架构应包括 title和author。

• Tika将PDF文档的正文提取到content字段中，因此 您的架构还应包含一个content字段。

配置了Tika之后，您向Solr发出HTTP POST，并指定要索引的PDF文件：

curl 'http://localhost:8983/solr/techproducts/update/extract?literal.id=doc1&commit=true' -F "myfile=@example/exampledocs/solr-word.pdf"

如果需要将Tika生成的字段（title，author，content）映射到Solr索引中的不同字段，则可以使用fmap功能：

fmap.content=text会将Tika提取的content字段映射到Solr的text字段。