Question

有人可以建议如何获取图像文件的元数据（例如.jpg，.png，.gif等）并将这些数据编入Apache Solr？

目前，我正在使用Apache Solr 4.2。在DataImport配置文件中（对我来说，我将其命名为“db-import-config.xml”），我尝试将TikaEntityProcessor与ImageMetadataExtractor一起使用。

<entity name="tika-test"
        dataSource="binary"      // using BinURLDataSource
        processor="TikaEntityProcessor"
        onError="skip"
        rootEntity="false"
        url="${dbmw_image.url}"
        format="none"
        parser="org.apache.tika.parser.image.ImageMetadataExtractor">
        <field column="contributor" name="authors" meta="true"/>
        <field column="creator" name="authors" meta="true"/>
        <field column="data" name="creationDate" meta="true"/>
        <field column="modified" name="lastModifiedDate" meta="true"/>
 </entity>

字段“列”全部来自Dublin Core元数据列表。当我在Solr上尝试dataimport时，这些字段都没有被拾取。我需要以下问题的答案：

图像文件的可用元数据字段名称是什么？（即我可以在上面的Tika实体中的“field”的“column”属性中放置的值）
如何索引和获取这些元数据值（通过Tika？）并索引到Solr？（例如，我需要哪种解析器？我应该如何设置tika实体属性等）

任何建议都表示赞赏。

谢谢，

Answer 1

你看过TikaEntityProcessor documentation了吗？具体来说是Finding field names？

使用TikaEntityProcessor获取图像文件元数据并索引到Solr

1 个答案: