我在文档检索中将 solr 搜索引擎用于我的项目目的。我的数据集是 .txt 文件格式。但 solr 仅提供 json、xml、pdf 和其他一些文件格式的选项。文本文件没有选项。
我是否需要对 solr 进行一些修改才能将 .txt 文件用作数据集？
问问题
1126 次
5 回答
0
您可以使用 CSV 请求处理程序来处理这个问题。 https://wiki.apache.org/solr/UpdateCSV 在这里，您可以配置分隔符和转义字符。例如：如果你有一个“|” 分隔文件，可以指定“&separator=|”
下面是索引一个标签限制的文本文件：
curl ' http://localhost:8983/solr/update/csv?commit=true&separator=%09&escape= \&stream.file=/tmp/result.txt'
于 2015-04-21T18:39:20.877 回答
0
您需要做的就是索引您的 txt 文件。
有关更多信息和具体示例，请查看此处 - http://www.slideshare.net/LucidImagination/indexing-text-and-html-files-with-solr-4063407
于 2014-04-04T17:59:50.267 回答
0
很可能您将在 .txt 文件中使用空格分隔的文档。因此，要索引 .txt 文件，您可以编写 python 脚本将您的文档流式传输到 solr 并执行提交。
于 2014-04-05T08:33:43.520 回答
0
除了 txt 文件，Solr 还可以索引其他几种文档格式。查看Apache Tika了解详细信息。
于 2014-04-08T19:43:48.980 回答
0
我在快速入门指南https://lucene.apache.org/solr/5_3_1/quickstart.html中找到了非常有用的一行
java -classpath /solr-5.0.0/dist/solr-core-5.0.0.jar -Dauto=yes
-Dc=gettingstarted -Ddata=files -Drecursive=yes org.apache.solr.util.SimplePostTool docs/
对我特别有用的部分是-Dauto=yes. 开启此选项后，Solr 可以处理多种类型的文件（不要问我为什么）
Entering auto mode. File endings considered are xml,json,csv,pdf,doc,docx,ppt,pptx,xls,xlsx,odt,odp,ods,ott,otp,ots,rtf,htm,html,txt,log
我只知道我打开了该选项，现在我的实例将接受 pdf、xml 和 txt 文件。
于 2018-01-23T21:46:02.607 回答