Marklogic Docx类型（除了txt，json和xml之外）文档上传和在文件中搜索

Question

我如何上传MS文档（扩展名为.docx .xls等）/ .pdf并使用Java API从这些文件中搜索单词。

我在下面尝试过上传docx文件

InputStream docStream = Example.class.getClassLoader().getResourceAsStream(
            "data"+File.separator+"Resume.docx");



    GenericDocumentManager manager = client.newDocumentManager();

    DocumentMetadataHandle handleMetaData = new DocumentMetadataHandle();

    // create a handle on the content
    InputStreamHandle handle = new InputStreamHandle(docStream);

    // write the document content
    manager.write("/example/resume.docx", handleMetaData, handle);

要搜索我在下面尝试过，

GenericDocumentManager manager = client.newDocumentManager();
    StringQueryDefinition query = 
            queryMgr.newStringDefinition().withCriteria("pavan");


    DocumentPage documents = manager.search(query, 1);
    while (documents.hasNext()) {
        DocumentRecord document = documents.next();
       System.out.println("document" + document.getContent(new StringHandle()));
    }

请用逻辑和代码帮助我。

Answer 1

在这种情况下，您必须应用一些转换。 MarkLogic将二进制文档存储为二进制节点（在这种情况下，二进制文档就是您所指的 - pdf，docx等）。二进制节点当然不可搜索。您可以通过多种方式实现转化：

• 您可以使用https://docs.marklogic.com/xdmp:pdf-convert等功能来实现此目标
• 您还可以使用内容处理框架https://docs.marklogic.com/guide/cpf/default

我希望这些资源可以帮到你。除此之外，您还可以参加开发人员或管理员培训，其中解释了这些概念，有关详细信息，请访问：http://www.marklogic.com/training/