lucene - JackRabbit：不推荐使用 textFilterClasses。如何指定提取器？

Question

我的Jackrabbit 2.4说，SearchIndex元素的textFilterClasses参数已被弃用并被忽略。当我一起删除textFilterClasses参数时，它会索引 Pdf、Rtf - 所有内容。

当我没有指定任何提取器时，它怎么知道它应该索引哪些二进制文件？

API 说它已被弃用，但没有提供任何替代方案。

谢谢！

Answer 1

在 Jackrabbit 2.x 中，Apache Tika 被引入作为默认的二进制文件解析器。默认情况下，Jackrabbit 带有一个默认的 tika-config.xml 文件，其中包含要解析和提取的 mime 类型的配置。

在 Jackrabbit 2.4 中，您应该能够从 repository.xml 中设置 tika-config.xml 的位置。

搜索索引配置中的正确参数应类似于：

<SearchIndex class="org.apache.jackrabbit.core.query.lucene.SearchIndex">
  <param name="path" value="${wsp.home}/index"/>
  <param name="supportHighlighting" value="true"/>
  <param name="tikaConfigPath" value="${wsp.home}/tika-config.xml"/>
</SearchIndex>