Apache Solr不会为扫描的PDF编制索引

Question

我想索引扫描的PDF文件。 我已经在Centos 6上安装了Solr 6.3.0 ， tesseract 3.04 ， leptonica 1.74 。我已经根据文档配置了solrconfig。

我已经测试过tesseract和solr的png，jpg，一切看起来都不错。 但是，当我尝试为扫描的PDF文件建立索引时，Solr不会为扫描的图像建立索引，仅提取pdf注释消息（ 示例文档 ）。 （根据索引响应使用DefaultParser和PDFParser）

之后，我用Google搜索问题，发现了该解决方案 （我测试了，它可以工作！），但是我无法将Java代码转换为Xml配置。 我该如何将Java代码设置为Xml配置文件？

任何帮助将是巨大的！

Answer 1

您可以使用Lucene 3.0索引和搜索扫描的pdf文件。 我一直在使用做Lucene 3.0索引扫描的pdf文件，然后搜索最频繁重复的单词在扫描的pdf 。