Question

我正在尝试使用Solr索引XML文档的小数据集，示例xml：

<?xml version='1.0' encoding='utf-8'?>
<doc xmin = 0, xmax = 9.233174603174604>     
<title>John speech</title>
<description>shjshksjcjslkclsjk </description>
<uploaded_time>03/14/2010 08:44 PM</uploaded_time>
<likes>84906</likes>
<tier name="words">
<trans   xmin="0.0"  xmax="0.8325873015873018">silent</trans>
<trans   xmin="0.8325873015873018"   xmax="1.9564232192938984">Hi</trans>
<trans   xmin="1.9564232192938984"   xmax="3.874938884654082">I</trans>
<trans   xmin="3.874938884654082"    xmax="4.940780920965295">am</trans>
<trans   xmin="4.940780920965295"    xmax="6.495133890585815">John</trans>
:
:
</tier>
<doc>

Solr可以索引这种嵌套的xml标签吗？我用solrconfig.xml尝试了DataImportHandler！这xml-data-config.xml！（不确定它的正确性仍然没有清楚地理解如何处理嵌套的xml，特别是对于未确定的层长度）

但是尝试进行dataimport，我收到：

索引...... 请求：0，提取：0，跳过：0，已处理：0

虽然我的小数据集只包含很少的短文件，但它会保留很长时间。

我错过了什么？

Answer 1

我的配置文件中有很多错误。主要问题是我必须使用＆＃34; XPathEntityProcessor＆＃34;作为xml文件数据源实体的处理器而不是TikaEntityProcessor。对于未确定的字段长度，如＆＃34; trans＆＃34;它将添加multiValued =＆＃34; true＆＃34; 即使我将DateFormatTransformer添加到实体后，上传的时间也必须是ISO-8601格式。

索引Solr / lucene中的结构化数据集XML文档

1 个答案: