我可以将pdf文件上传到solr
,我可以搜索这些文件。但是solr
中的索引是什么?当我上传pdf文件时它将如何进行索引编制?
这是我用来上传pdf文件的代码
ContentStreamUpdateRequest up
= new ContentStreamUpdateRequest("/update/extract");
up.addFile(fileName);
up.setParam("literal.id", solrId);
up.setParam("literal.first_name", "apachesolr");
up.setParam("literal.last_name", "cookbook");
up.setParam("literal.age", "30");
up.setAction(AbstractUpdateRequest.ACTION.COMMIT, true, true);
solrServer.request(up);
下面是我的schema.xml
<field name="first_name" type="string" indexed="true" stored="true" required="true"/>
<field name="last_name" type="string" indexed="true" stored="true" required="true"/>
<field name="age" type="int" indexed="true" stored="true" required="true"/>
<field name="created_at" type="date" indexed="true" stored="true"/>
<field name="updated_at" type="date" indexed="true" stored="true"/>
<field name="id" type="string" indexed="true" stored="true" required="true"/>
当我搜索pdf中的任何内容时。结果看起来像这样
SolrDocument[{
last_modified=Fri Oct 17 08:17:38 IST 2003,
author=Mark Roth, Eduardo Pelegri-Llopart,
title=[JSP 2.0 Specification, Final Release],
content_type=[application/pdf],
keywords=JSP,
age=30,
last_name=cookbook,
first_name=apachesolr,
id=jsp-2_0-fr-spec.pdf
}]
如何获得标题,作者,关键字......等等?
答案 0 :(得分:4)
你误解了搜索引擎中的文档概念。 文档是一组具有相应值的命名字段。您应该始终明确设置每个字段。首先,使用Solrj尝试以下代码:
CommonsHttpSolrServer solr = new CommonsHttpSolrServer("http://localhost:8983/solr");
for(int i = 0; i < 1000; ++i) {
SolrInputDocument doc = new SolrInputDocument();
doc.addField("title", "My Favorite book");
doc.addField("author", "Kevin");
doc.addField("content", "Bla bla bla");
solr.add(doc);
}
solr.commit();
此代码创建新的SolrInputDocument
并添加3个字段 - “title”,“author”和“content”(注意:所有这些字段都应该在schema.xml中定义,只是为了让Solr知道如何索引并存储这些字段),然后将新文档添加到事务(solr.add(doc)
),最后提交更改。这是使用Solr的基本方法。
在此正常流程中,您应从自己文档中提取文字。例如,您可以使用Tika来实现此目的。这是最灵活和细粒度的方式。
您要做的是使用新的Solr功能 - 内容提取。如果我理解正确,您尝试使用setParams()
设置字段,这是错误的。 setParams()
仅设置请求参数,然后将其转换为URL参数,让Solr知道如何处理请求本身。据我所知,这种方式你不能自己设置字段。相反,/update/extract
处理程序将尝试按文件的MIME类型提取内容,查找有关文档属性的提示,将它们用作字段(请注意,Solr使用Tika库来提取文档内容)。因此,如果您真的想使用/update/extract
处理程序,请尝试关注this example 而不更改与请求参数对应的行,并检查生成的字段 。