Solr PDF搜索：“轉到頁面”功能

Question

我們正在使用Solr和Lucene構建PDF搜索機器，用戶可以在其中搜索PDF文本。 該數據庫僅包含PDF。

在搜索結果頁面（“/ browse”）中，我們要使用#page = X附加PDF文件，其中X是找到文本的頁面。 （如果使用錨標記指定，Adobe Acrobat會自動滾動到某個頁面。）

例如，如果我搜索foobar並且有一個pdf文檔，其中foobar位於第5頁，則鏈接應為http://pdfserver/pdfs/pdf.pdf#page=5 （請注意末尾的錨點）。

1. 這可能嗎？
2. 我們如何獲得此頁碼？

Answer 1

我發現一個易於實現的解決方案是使用Adobe Reader在嵌入IE時支持的#search參數。

例如：

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

然后Adobe Reader跳轉到該頁面。

當然，人們需要對搜索項進行URL編碼。

Answer 2

Apache tika可以將PDF文件轉換為結構化數據，以便您將其提供給solr服務器。

我對你的問題的處理方法是每頁編制每個pdf索引，額外的字段鏈接到章節，文本標題（或絕對路徑，或兩者）和頁碼。使用此數據，您可以在相關頁面打開相關文檔。

在這里閱讀更多關於tika的信息： http ： //tika.apache.org/