我必须将许多不同的文档（xls，pptx，txt，csv，pdf）放入solr核心。所有文档都是非结构化和无关的。我想做点什么：
{
'filename':'doc1',
'content': entire doc
}
在这种情况下，filename不是实际文档中的标记，而是由用户分配，content，也不在实际文档中，将映射到整个索引文档。
我计划通过python脚本进行处理，虽然有工具从富文本文档中提取文本，但我宁愿将它们传递给solr并让solr忽略其内部标记（例如pdf）和map整个文档到上述模式的contents标记。
总之，如何创建一个包含目标文档中找不到的两个字段的模式，并将整个文档编入索引并将其映射到其中一个字段（text_en）？我对solr来说有点新鲜，所以我的词汇可能有点混浊，所以如果你不确定我想要达到什么目的，请要求澄清。
答案 0 :(得分：0)
应该能够做你想做的Tika module in Solr has configuration options：
literal。＆lt; fieldname＆gt; ：使用为每个文档指定的值提供的名称填充字段。数据可以是 如果字段是多值的，则为多值。
因此，如果您添加名为literal.filename=doc1的参数，则会在doc1中为文档添加filename。
还有一个示例可以忽略架构中不存在的所有字段：
uprefix ：使用给定前缀预先定义未在架构中定义的所有字段。与动态结合使用时非常有用 字段定义。示例：
uprefix=ignored_会有效地忽略 Tika生成的所有未知字段都包含示例模式<dynamicField name="ignored_*" type="ignored"/>
将字段移动到不同的字段名称：
fmap。＆lt; source_field＆gt; ：将一个字段名称映射（移动）到另一个字段名称。
source_field必须是传入文档中的字段，而且 value是要映射到的Solr字段。示例：fmap.content=text原因 Tika生成的content字段中的数据将被移动到 Solr的text字段
最后一个提示 - 完全自定义处理，但仍使用可用的Solr服务器和Tika处理文档（然后在编制索引之前再捏一下数据）：
extractOnly ：默认为false。如果为true，则返回Tika中提取的内容，而不对文档编制索引。 （也可以看看 extractFormat ）