Конфигурирование Tika With Solr

Question

Я ищу для индексирования документы Rich типов (Pdf, Doc, rtf, txt) в Solr. Я нашел Тику в качестве решения. Я сделал разглагольствование в Интернете, но не нашел никаких документов/ссылок, чтобы заставить его работать с ExtractingRequestHandler.

Любой может предоставить пошаговый способ настройки Tika с помощью ExtractingRequestHandler.

Заранее спасибо :)

Answer 1

ExtractingRequestHandler Проверить для интеграции Solr с Тика.
Solr предоставляет встроенный tika.config, и вам не нужно будет определять его, если не переопределить конфигурацию.
Вы можете пойти с настройками по умолчанию, как определено в solrconfig.xml

<!-- Solr Cell Update Request Handler 

    http://wiki.apache.org/solr/ExtractingRequestHandler 

--> 
<requestHandler name="/update/extract" 
       startup="lazy" 
       class="solr.extraction.ExtractingRequestHandler" > 
<lst name="defaults"> 
    <str name="lowernames">true</str> 
    <str name="uprefix">ignored_</str> 

    <!-- capture link hrefs but ignore div attributes --> 
    <str name="captureAttr">true</str> 
    <str name="fmap.a">links</str> 
    <str name="fmap.div">ignored_</str> 
</lst> 
</requestHandler> 

Вы можете использовать команды для индексирования файлов Solr с дополнительными метаданными.

curl "http://localhost:8983/solr/update/extract?literal.id=2&literal.title=Test&commit=true&fmap.content=text" -F "myfile=@1.pdf" 

По умолчанию содержимое файлов копируется в поле контента и копируется в текст, вы можете изменить настройки.