Apache solr中的索引是什么？

Question

我能够将pdf文件上传到solr ，我能够搜索这些文件。 但是solr索引是什么？ 当我上传pdf文件时它将如何进行索引编制？

这是我用来上传pdf文件的代码

ContentStreamUpdateRequest up 
            = new ContentStreamUpdateRequest("/update/extract");

            up.addFile(fileName);

            up.setParam("literal.id", solrId);
            up.setParam("literal.first_name", "apachesolr");
            up.setParam("literal.last_name", "cookbook");
            up.setParam("literal.age", "30");

            up.setAction(AbstractUpdateRequest.ACTION.COMMIT, true, true);

            solrServer.request(up);

下面是我的schema.xml

    <field name="first_name" type="string" indexed="true" stored="true" required="true"/>

<field name="last_name" type="string" indexed="true" stored="true" required="true"/>
<field name="age" type="int" indexed="true" stored="true" required="true"/>

<field name="created_at" type="date" indexed="true" stored="true"/>
<field name="updated_at" type="date" indexed="true" stored="true"/>
<field name="id" type="string" indexed="true" stored="true" required="true"/>

当我在搜索pdf中的任何内容时。 结果看起来像这样

  SolrDocument[{
last_modified=Fri Oct 17 08:17:38 IST 2003, 
author=Mark Roth, Eduardo Pelegri-Llopart, 
title=[JSP 2.0 Specification, Final Release], 
content_type=[application/pdf], 
keywords=JSP, 
age=30, 
last_name=cookbook, 
first_name=apachesolr, 
id=jsp-2_0-fr-spec.pdf
}]

如何获得标题，作者，关键字......等？

Answer 1

你误解了搜索引擎中的文档概念。 Document是一组带有相应值的命名字段 。 您应该始终明确设置每个字段。 首先，使用Solrj尝试以下代码：

CommonsHttpSolrServer solr = new CommonsHttpSolrServer("http://localhost:8983/solr");
for(int i = 0; i < 1000; ++i) {
  SolrInputDocument doc = new SolrInputDocument();
  doc.addField("title", "My Favorite book");
  doc.addField("author", "Kevin");
  doc.addField("content", "Bla bla bla");
  solr.add(doc);
}
solr.commit(); 

这段代码创建了新的SolrInputDocument并添加了3个字段 - “title”，“author”和“content”（注意：所有这些字段都应该在schema.xml中定义，只是为了让Solr知道如何索引和存储这些字段），然后它将新的doc添加到事务（ solr.add(doc) ）并最终提交更改。 这是使用Solr的基本方法。

在这个正常流程中，您应该自己从文档中提取文本 。 例如，您可以将Tika用于此目的。 这是最灵活和细粒度的方式。

您要做的是使用新的Solr功能 - 内容提取 。 如果我理解正确，你试图用setParams()设置字段是错误的。 setParams()只设置请求参数，然后将其转换为URL参数，让Solr知道如何处理请求本身 。 据我所知，这种方式你不能自己设置字段。 相反， /update/extract处理程序将尝试按文件的MIME类型提取内容 ， 查找有关文档属性的提示并将其用作字段 （请注意，Solr使用Tika库提取文档内容）。 因此，如果您真的想使用/update/extract处理程序，请尝试按照此示例操作， 而不更改与请求参数对应的行，并检查生成的字段 。