Solr：數據導入處理程序和solr單元格

Question

是否可以使用solr單元格對帶有數據導入處理程序的富文檔（pdf，office）進行索引...

我使用solr 3.2。

謝謝。

Answer 1

Solr的細胞，又名ExtractingRequestHandler，使用Apache Tika幕後，後者可以容易地集成到一個DataImportHandler：

<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> 

此功能是在SOLR-1358實現。