使用Solr配置Tika

Question

我正在寻找将索引类型丰富的文档（Pdf，Doc，rtf，txt）编入Solr。我发现Tika是一种解决方案。我在网上做了一个咆哮，但没有找到任何Docs /链接来使它与ExtractingRequestHandler一起工作。

任何人都可以请提供一步一步的方式来配置Tika与ExtractingRequestHandler。

感谢提前:)

Answer 1

检查ExtractingRequestHandler与提卡Solr的集成。
Solr提供了tika.config内置的，你不需要定义它，除非重写配置。
您可以用默认配置走在solrconfig.xml中

<!-- Solr Cell Update Request Handler 

    http://wiki.apache.org/solr/ExtractingRequestHandler 

--> 
<requestHandler name="/update/extract" 
       startup="lazy" 
       class="solr.extraction.ExtractingRequestHandler" > 
<lst name="defaults"> 
    <str name="lowernames">true</str> 
    <str name="uprefix">ignored_</str> 

    <!-- capture link hrefs but ignore div attributes --> 
    <str name="captureAttr">true</str> 
    <str name="fmap.a">links</str> 
    <str name="fmap.div">ignored_</str> 
</lst> 
</requestHandler> 

可以使用命令来索引文件与其他元数据到Solr定义。

curl "http://localhost:8983/solr/update/extract?literal.id=2&literal.title=Test&commit=true&fmap.content=text" -F "myfile=@1.pdf" 

默认情况下，文件的内容被复制到内容字段并复制到文本中，您可以覆盖设置。