Apache Solr實現 - 在文件

Question

那麼搜索文本，我期待到Solr的履行我的以下具體要求：

要求：

會有成千上萬的文件夾中的一個「X」的名字的XML結構化文件位於，現在我想搜索一個詞語（即「Hello World」），結果，我想獲得名稱爲「Hello World」的文件數量。

，所以我們可以實現使用Solr的，如果是，那麼任何人都可以給我一點指導來達到同樣的？

注： XML文件將是任何格式，即（https://i.stack.imgur.com/wNPTW.png）

問題：是結構 「wNPTW.png」 定義適用於Solr的搜索文本？或者我們必須依賴Solr特定的文檔結構。即（https://i.stack.imgur.com/sqn5q.png）

此外，性能是我的主要要求。

請建議我怎麼能在這向前邁進？如果有任何其他技術可用，那麼請提出我。

期待您的來信:)

Answer 1

是的。

如果XML格式在所有文檔中差不多相同，則可以使用Data Import Handler來配置從節點到字段的映射（使用xpath）。您可以將幾乎任何XML字段映射到常見的Solr字段（如果XML文件沒有被很好地定義）。

另一種選擇是使用built-in support with Apache Tika to parse files and use that to extract data into a content field和搜索對抗。

如果您需要的文件更具體的處理，寫一個小索引，並在該層執行所需的轉型可能是未來最簡單的途徑。