我是Apache Solr搜索技术的新手,希望了解如何在文件夹下索引多个PDF文件。
目前我已在单独的服务器上安装了Solr 6.6.1。它按预期正常工作。
请将我重定向到一些文章或教程,其中包含一些实现此功能的步骤。我想在文件夹下的所有PDF中搜索一些文本单词而不指定文件名。例如,文本搜索应该发生在特定页面编号
上的所有文件夹文件中例如,我想在文件夹下的所有PDF文件中搜索第5页上的“合作伙伴”一词。
答案 0 :(得分:0)
最后,我在阅读Apache Solr网站上的文档之后找到了方法并且很简单。最好也更简单的方法是使用“数据导入处理程序”方式。配置文件的名称是data-config.xml
<dataConfig>
<dataSource type="BinFileDataSource"/> <!--Local filesystem-->
<document>
<entity name="K1FileEntity" processor="FileListEntityProcessor" dataSource="null"
baseDir="C:/solr-6.6.1/server/solr/core_myfiles_Depot/Depot" fileName=".*pdf" rootEntity="false">
<field column="file" name="id"/>
<field column="fileAbsolutePath" name="path" />
<field column="fileSize" name="size" />
<field column="fileLastModified" name="lastmodified" />
<entity name="pdf" processor="TikaEntityProcessor" onError="skip"
url="${K1FileEntity.fileAbsolutePath}" format="text">
<field column="Author" name="author" meta="true"/>
<!-- in the original PDF, the Author meta-field name is upper-cased,
but in Solr schema it is lower-cased -->
<field column="title" name="title" meta="true"/>
<field column="dc:format" name="format" meta="true"/>
<field column="text" name="text"/>
</entity>
</entity>
</document>
</dataConfig>