Solr PDF搜索：“转到页面”功能

Question

我们正在使用Solr和Lucene构建PDF搜索机器，用户可以在其中搜索PDF文本。 该数据库仅包含PDF。

在搜索结果页面（“/ browse”）中，我们要使用#page = X附加PDF文件，其中X是找到文本的页面。 （如果使用锚标记指定，Adobe Acrobat会自动滚动到某个页面。）

例如，如果我搜索foobar并且有一个pdf文档，其中foobar位于第5页，则链接应为http://pdfserver/pdfs/pdf.pdf#page=5 （请注意末尾的锚点）。

1. 这可能吗？
2. 我们如何获得此页码？

Answer 1

我发现一个易于实现的解决方案是使用Adobe Reader在嵌入IE时支持的#search参数。

例如：

http://pdfserver/pdfs/pdf.pdf#search=foobar

然后Adobe Reader跳转到该页面。

当然，人们需要对搜索项进行URL编码。

Answer 2

Apache tika可以将PDF文件转换为结构化数据，以便您将其提供给solr服务器。

我对你的问题的处理方法是每页编制每个pdf索引，额外的字段链接到章节，文本标题（或绝对路径，或两者）和页码。使用此数据，您可以在相关页面打开相关文档。

在这里阅读更多关于tika的信息： http ： //tika.apache.org/