Question

Solr的第一天，似乎它接受了一个josn文档系统作为项目。我有一个平面文本文件（26meg），对于第一阶段，我只想用正则表达式进行高效的全文搜索。我无法找到将这个简单的26M文件导入索引的好步骤，以便可以开始搜索。

Answer 1

Solr不适用于正则表达式搜索。它专为关键字搜索而设计，具有很多功能，可以很聪明。与使用正则表达式在Google中搜索的方式类似。

您的问题中的更大问题是您反复提及一个文件。 Solr旨在索引许多文档，然后返回与查询匹配的文档。

一个文件中的文档会是什么？如果它只是一个文档，那么索引和搜索的重点是什么？倒退时更容易思考：当您使用关键字进行搜索时，您会得到什么回报？它应该是N个X项。因此，X通常是Solr中的单元/文档，您需要决定文件如何映射到该项。

这应该是一个单独的 - 更具体的问题。

Answer 2

您无法索引任意JSON文件。它们必须按照Solr期望的方式进行格式化，实际上结构化为要索引的文档列表。

[
 {"id" : "TestDoc1", "title" : "test1"},
 {"id" : "TestDoc2", "title" : "another test"}
]

见The JSON Update Format。此格式也反映在schema.xml中，其中应添加JSON文档结构中存在的每个字段的定义（并设置正确的类型/分析器/过滤器/标记器）。

Answer 3

我的第一个想法是：答案应该如何？

正如@AlexandreRafalovitch所写，SOLr旨在返回您存在搜索词的文档。因为SOLR可以通过文档搜索或使用regexp查看文档。

但是如果你搜索一个术语，你可以在你的单个文件中找到一个术语，SOLR会返回一个唯一的文件作为结果吗？

我有一个相同的情况，我需要搜索洞察许多大文件（1GByte +每个文件）。我的解决方案是将大文档拆分成小文档：永远作为一个文档页面。

有一个很大的好处：应用程序能够指出搜索词所在的页面。

因此，在您的情况下，您可以按行将文本文件拆分为每行作为文档。因此，您可以搜索文档并返回信息，如果该术语存在于哪一行。

顺便说一下：如果SOLR没有满足您的需求，您应该考虑这一点。如果只有一个文档可以搜索，只需使用正则表达式解释器（在系统控制台或您喜欢的编程语言中）加载文件将是最简单的方法。