如何在Solr查询中排除从PDF索引的文本

Question

我有一个从PDF文件目录生成的Solr索引，并具有与PDF文件本身相关的元数据字段。 不过，我仍想为我的用户提供一个选项，以在查询中排除从PDF内索引的任何文本。 这样一来，查询结果将基于元数据字段，而不会受到pdf文件中大量文本的影响。

我想过也许有两个索引（核心）-一个带有索引的pdf文件，另一个没有。

还有另一种方法吗？

Answer 1

听起来您正在对默认字段进行常规搜索。 这意味着您有很多copyField指令（或只有一个copyField *->文本），其中包括PDF内容字段。

您可以创建第二个目标，并将除了PDF内容字段之外的所有内容都复制到该字段中。 这样，用户可以搜索或搜索另一个组合字段。

但是，请记住，这将根据目标字段的分析链来解析所有内容。 因此，带有源字段列表的eDisMax可能是一种更好的方法。 而且，请记住，您可以使用多个请求处理程序（例如“ select”）并在那里定义不同的默认参数。 这通常会使客户端代码更容易些。

Answer 2

您不需要使用2个单独的索引。 您可以使用edismax解析器并在查询时指定qf参数。 这将有助于确定要搜索的字段。

Answer 3

您可以查看字段别名

如果您有3个索引字段

• pdf元
• pdf文本

然后您可以创建两个字段别名

• 快速搜索：pdfmeta
• Fullsearch：pdfmeta，pdftext

在qf上使用字段别名的一个优势是，如果您的用户具有q = quicksearch：value之类的书签，则可以更改别名以进行快速搜索，而不会影响用户的书签。