在Solr中存储PDF

Question

我正在尝试在本地环境中进行设置，以便可以将PDF存储在Solr中，但无法使其正常工作。 现在，我正在使用Solr提供的示例文件夹中的文件。

我没有在solr-3.6.0 / example / conf中修改solrconfig.xml，因为它似乎已经按照“ 提取请求处理程序”中所述进行了配置。 也就是说，它已经包含以下内容：

<lib dir="../../dist/" regex="apache-solr-cell-\d.*\.jar" />
<lib dir="../../contrib/extraction/lib" regex=".*\.jar" />

和这个：

<requestHandler name="/update/extract" 
              startup="lazy"
              class="solr.extraction.ExtractingRequestHandler" >
<lst name="defaults">
  <str name="fmap.content">text</str>
  <str name="lowernames">true</str>
  <str name="uprefix">ignored_</str>
  <str name="captureAttr">true</str>
  <str name="fmap.a">links</str>
  <str name="fmap.div">ignored_</str>
</lst>

我正在使用以下命令从示例目录运行Solr：

java -jar start.jar 

我正在尝试使用以下命令将pdf发送给Solr：

java -Durl=http://localhost:8983/solr/update/extract -Dauto -jar /Applications/Solr-3.6.0/example/exampledocs/post.jar /path/to/pdf/mypdf.pdf

如果我不对/Solr-3.6.0/example/solr/conf/schema.xml进行任何更改，则会收到以下消息：

FATAL: Solr returned an error #400 [doc=null] missing required field: id

如果将schema.xml的id元素中的“必需”属性值更改为false，则会得到：

FATAL: Solr returned an error #400 Document is missing mandatory uniqueKey field: id

我认为如果元素的必需属性在架构中为false，那么我可以发送不包含该字段的文件，但是显然不是这样。

我也尝试过在发送该pdf的命令中添加参数-Dparams = literal.id = mypdf1 ，但这无济于事。 有什么想法吗？

Answer 1

我相信我的困惑是由于您需要为要发送到Solr的文档提供一个ID，同时在Solr-3.6.0 / example / solr / conf / 模式中还有一个id元素。 xml 。

我相信我遇到的第一个错误是引用架构中的id元素。 第二个错误是引用文档ID。

在ZeroPage的帮助下，通过将文档ID添加到url中而不是将其作为单独的参数传递，我还能够克服第二个错误。 这个查询现在对我有用：

java -Durl=http://localhost:8983/solr/update/extract?literal.id=form1 -jar /Applications/Solr-3.6.0/example/exampledocs/post.jar /path/to/pdf/form1.pdf 

如果我们希望Solr为PDF的全部内容建立索引，则需要添加uprefix和fmap.content属性：

java -Durl="http://localhost:8983/solr/update/extract?literal.id=form1&uprefix=attr_&fmap.content=attr_content&commit=true" -jar /Applications/Solr-3.6.0/example/exampledocs/post.jar /path/to/pdf/form1.pdf