solr - Solr：数据导入处理程序和 solr 单元

Question

是否可以通过使用 solr 单元的数据导入处理程序来索引丰富的文档（pdf、office）。

我使用 solr 3.2。

谢谢。

Answer 1

Solr Cell，又名ExtractingRequestHandler ，在后台使用Apache Tika ，后者可以轻松集成到 DataImportHandler 中：

<dataConfig>
 <!-- use any of type DataSource<InputStream> --> 
  <dataSource type="BinURLDataSource"/>
  <document>
   <!-- The value of format can be text|xml|html|none. this is the format in which the body is emited (the 'text' field) . The implicit field 'text' will have that format.
          default value is 'text'  (if not specified) . format="none" means body is not emited-->
    <entity processor="TikaEntityProcessor" tikaConfig="tikaconfig.xml" url="${some.var.goes.here}" format="text">
      <!--Do appropriate mapping here  meta="true" means it is a metadata field -->
      <field column="Author" meta="true" name="author"/>
      <field column="title" meta="true" name="docTitle"/>
      <!--'text' is an implicit field emited by TikaEntityProcessor . Map it appropriately-->
      <field column="text"/>
     </entity>
  <document>
</dataConfig>

此功能在SOLR-1358中实现。