如何在Solr查詢中排除從PDF索引的文本

Question

我有一個從PDF文件目錄生成的Solr索引，並具有與PDF文件本身相關的元數據字段。 不過，我仍想為我的用戶提供一個選項，以在查詢中排除從PDF內索引的任何文本。 這樣一來，查詢結果將基於元數據字段，而不會受到pdf文件中大量文本的影響。

我想過也許有兩個索引（核心）-一個帶有索引的pdf文件，另一個沒有。

還有另一種方法嗎？

Answer 1

聽起來您正在對默認字段進行常規搜索。 這意味着您有很多copyField指令（或只有一個copyField *->文本），其中包括PDF內容字段。

您可以創建第二個目標，並將除了PDF內容字段之外的所有內容都復制到該字段中。 這樣，用戶可以搜索或搜索另一個組合字段。

但是，請記住，這將根據目標字段的分析鏈來解析所有內容。 因此，帶有源字段列表的eDisMax可能是一種更好的方法。 而且，請記住，您可以使用多個請求處理程序（例如“ select”）並在那里定義不同的默認參數。 這通常會使客戶端代碼更容易些。

Answer 2

您不需要使用2個單獨的索引。 您可以使用edismax解析器並在查詢時指定qf參數。 這將有助於確定要搜索的字段。

Answer 3

您可以查看字段別名

如果您有3個索引字段

• pdf元
• pdf文本

然后您可以創建兩個字段別名

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

在qf上使用字段別名的一個優勢是，如果您的用戶具有q = quicksearch：value之類的書簽，則可以更改別名以進行快速搜索，而不會影響用戶的書簽。