Question

我正在尝试通过Apache Solr为zip文件编制索引。我的Zip文件仅包含一个CSV文件。

我的CSV文件如下：

"N_NATIONKEY","N_NAME","N_REGIONKEY","N_COMMENT"
0,"ALGERIA                  ",0,"04.07.11"
1,"ARGENTINA                ",1,"04.07.11"
2,"BRAZIL                   ",1,"04.07.11"
…

我已经能够使用以下结果索引zip文件：

post http://localhost:8983/solr/first/update/extract?literal.id=zip2&commit=true&captureAttr=true&uprefix=attr_&fmap.content=attr_content

    "ignored_":["stream_size",
      "461",
      "X-Parsed-By",
      "org.apache.tika.parser.DefaultParser",
      "X-Parsed-By",
      "org.apache.tika.parser.pkg.PackageParser",
      "stream_content_type",
      "text/plain",
      "Content-Type",
      "application/zip"],
    "div":["embedded",
      "NATION.csv",
      "package-entry"],
    "id":"zip2",
    "stream_size":[461],
    "x_parsed_by":["org.apache.tika.parser.DefaultParser",
      "org.apache.tika.parser.pkg.PackageParser"],
    "stream_content_type":["text/plain"],
    "content_type":["application/zip"],
    "attr_content":[" \n \n  \n  \n  \n  \n  \n  \n \n   \n  NATION.csv \n \"N_NATIONKEY\",\"N_NAME\",\"N_REGIONKEY\",\"N_COMMENT\"\r\n0,\"ALGERIA                  \",0,\"04.07.11\"\r\n1,\"ARGENTINA                \",1,\"04.07.11\"\r\n2,\"BRAZIL                   \",1,\"04.07.11\"\r\n3,\"CANADA                   \",1,\"04.07.11\"\r\n4,\"EGYPT                    \",4,\"04.07.11\"\r\n5,\"ETHIOPIA                 \",0,\"04.07.11\"\r\n6,\"FRANCE                   \",3,\"04.07.11\"\r\n7,\"GERMANY                  \",3,\"04.07.11\"\r\n8,\"INDIA                    \",2,\"04.07.11\"\r\n9,\"INDONESIA                \",2,\"1\"\r\n10,\"IRAN                     \",4,\"04.07.11\"\r\n11,\"IRAQ                     \",4,\"04.07.11\"\r\n12,\"JAPAN                    \",2,\"04.07.11\"\r\n13,\"JORDAN                   \",4,\"04.07.11\"\r\n14,\"KENYA                    \",0,\"04.07.11\"\r\n15,\"MOROCCO                  \",0,\"04.07.11\"\r\n16,\"MOZAMBIQUE               \",0,\"1\"\r\n17,\"PERU                     \",1,\"04.07.11\"\r\n18,\"CHINA                    \",2,\"04.07.11\"\r\n19,\"ROMANIA                  \",3,\"1\"\r\n20,\"SAUDI ARABIA             \",4,\"04.07.11\"\r\n21,\"VIETNAM                  \",2,\"1\"\r\n22,\"RUSSIA                   \",3,\"04.07.11\"\r\n23,\"UNITED KINGDOM           \",3,\"04.07.11\"\r\n24,\"UNITED STATES            \",1,\"04.07.11\"\r\n \n\n \n  "],
    "_version_":1615098997961129984}]

我想要的是这个

    "N_NATIONKEY":0,
    "N_NAME":"ALGERIA                  ",
    "N_REGIONKEY":0,
    "N_COMMENT":"04.07.11",
    "id":"84f3e0f3-8b13-47d8-818f-52504f79d91a",
    "_version_":1615098850670804992

在这里我可以搜索特定的列。

如何索引这样的压缩文件？文档说它应该可以与Tika一起使用，但是我真的不明白。

Answer 1

即将在（7.6）Solr中使用.gz文件进行类似的操作，请参见SOLR-10981。但这不包括拉链。

通常，您可能只想解压缩文件并将其直接流式传输到Solr。 bin / post命令确实允许从标准输入中获取文件内容，您只需要确保内容类型正确即可。查看bin/post -h了解详情。

使用Apache Solr索引Zip文件

1 个答案: