SOLR 6.6 OCR扫描PDF文件

Question

我在Linux上安装了一个非常默认的（用户指南）SOLR 6.6.0。 现在我需要对扫描的PDF文件进行全文（OCR）搜索。我已经阅读了有关Tesseract的图片。但我找不到一个很好的教程如何用PDF实现这个。 有什么建议吗？

谢谢， FLO

Answer 1

您应该使用ExtractingRequestHandler。

在这里您可以找到可以帮助您的配置示例：

• http://blog.thedigitalgroup.com/vijaym/using-solr-and-tikaocr-to-search-text-inside-an-image/
• https://fr.hortonworks.com/hadoop-tutorial/indexing-and-searching-text-within-images-with-apache-solr/