solr - SOLR 数据输入处理程序 (DIH)：在索引期间提取电子邮件地址并放入另一个字段？

Question

我有一个名为 main_text 的字段，其中包含一个大文本条目。

我想通过创建一个新集合来重新索引我的数据，但我想将此字段中的所有电子邮件地址提取到名为 emails_fields 的新特殊字段中。

最好的方法是什么？

使用什么处理程序？迪赫？其他 ？这个新字段应该是什么类型？

Answer 1

要使用 DataImportHandler，您应该在文件中添加类似于以下内容的内容data-config.xml。

<field column="email_fields" regex="(/S+@/S+)" sourceColName="main_text"/>

这将查找与 regex 匹配的电子邮件地址/S+@/S+。应该将此正则表达式更改为更好的东西以供实际使用。

该字段的类型取决于您要如何搜索它，但它可能应该是，string或者text_general如果您希望每个文档中有多个电子邮件，则它应该是多值的。