pdf - Apache ManifoldCF TIKA

Question

我正在尝试使用 Apache ManifoldCF 上的 Apache Tika 集成来提取 PDF 的文本内容，以便在 Elasticsearch 服务器中的笔记本电脑上摄取一些 PDF 文件。

在我的工作中正确创建 Tika Transformer 并对其进行配置后，我看到 ES 上的结果字段“_content”填充了文件的二进制编码，而不是文本。

我也看到了这个：使用 ManifoldCF 提取文件内容，但仍然没有提供答案（自 2015 年以来！）。

有谁能够帮我？

谢谢！

Answer 1

在弹性搜索的输出连接器中，您为内容字段指定的字段名称是什么？

请提供字段名称以及最大文档大小。