Question

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。

Answer 1

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>

Apache Solr - 索引具有特定页码

1 个答案: