Question

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？

Answer 1

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 。

Apache solr中的索引是什么？

1 个答案: