Elasticsearch在尝试索引时解析异常错误PDF

我刚刚开始使用elasticsearch。我们的要求让我们需要索引数千个PDF文件，并且我很难让其中一个成功索引。Elasticsearch在尝试索引时解析异常错误PDF

安装了附件类型插件并得到响应：Installed mapper-attachments。

跟着Attachment Type in Action tutorial但进程挂起和我不知道如何解释错误信息。也尝试了在同一个地方挂起的gist。

$ curl -X POST "localhost:9200/test/attachment/" -d json.file 
{"error":"ElasticSearchParseException[Failed to derive xcontent from (offset=0, length=9): [106, 115, 111, 110, 46, 102, 105, 108, 101]]","status":400}

更多细节：

的json.file包含一个嵌入式的Base64 PDF文件（按说明）。文件的第一行出现正确的（我反正）：{"file":"JVBERi0xLjQNJeLjz9MNCjE1OCAwIG9iaiA8 ...

我不知道也许json.file无效，或者如果可能elasticsearch只是没有设置正确地解析PDF文件？！？

编码 - 这里是我们如何编码的PDF到json.file（按教程）：

coded=`cat fn6742.pdf | perl -MMIME::Base64 -ne 'print encode_base64($_)'` 
json="{\"file\":\"${coded}\"}" 
echo "$json" > json.file

也试过：

coded=`openssl base64 -in fn6742.pdf

日志：

[2012-06-07 12:32:16,742][DEBUG][action.index    ] [Bailey, Paul] [test][0], node[AHLHFKBWSsuPnTIRVhNcuw], [P], s[STARTED]: Failed to execute [index {[test][attachment][DauMB-vtTIaYGyKD4P8Y_w], source[json.file]}] 
org.elasticsearch.ElasticSearchParseException: Failed to derive xcontent from (offset=0, length=9): [106, 115, 111, 110, 46, 102, 105, 108, 101] 
    at org.elasticsearch.common.xcontent.XContentFactory.xContent(XContentFactory.java:147) 
    at org.elasticsearch.common.xcontent.XContentHelper.createParser(XContentHelper.java:50) 
    at org.elasticsearch.index.mapper.DocumentMapper.parse(DocumentMapper.java:451) 
    at org.elasticsearch.index.mapper.DocumentMapper.parse(DocumentMapper.java:437) 
    at org.elasticsearch.index.shard.service.InternalIndexShard.prepareCreate(InternalIndexShard.java:290) 
    at org.elasticsearch.action.index.TransportIndexAction.shardOperationOnPrimary(TransportIndexAction.java:210) 
    at org.elasticsearch.action.support.replication.TransportShardReplicationOperationAction$AsyncShardOperationAction.performOnPrimary(TransportShardReplicationOperationAction.java:532) 
    at org.elasticsearch.action.support.replication.TransportShardReplicationOperationAction$AsyncShardOperationAction$1.run(TransportShardReplicationOperationAction.java:430) 
    at java.util.concurrent.ThreadPoolExecutor$Worker.runTask(ThreadPoolExecutor.java:886) 
    at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:908) 
    at java.lang.Thread.run(Thread.java:680)

希望有人能帮我看看我失踪或做错了什么？

来源

2012-06-13 Meltemi

以下错误指向问题的根源。

Failed to derive xcontent from (offset=0, length=9): [106, 115, 111, 110, 46, 102, 105, 108, 101]

的UTF-8编码[106，115，111，...]证明你正在试图指数字符串 “json.file”，而不是文件的内容。

要索引文件的内容，只需在文件名前添加字母“@”即可。

curl -X POST "localhost:9200/test/attachment/" -d @json.file

来源

2012-06-13 19:46:00 imotov

啊，你是对的！谢谢你的帮助！但是，现在我已经尝试在文件名前添加'@'，它只是挂起而没有输出到日志？！？我需要* ctrl-C *来取回我的外壳。有任何想法吗？也许一种使日志更有帮助的方法？ – Meltemi

你可以运行jstack并查看它挂起的位置吗？ – imotov

我有同样的错误。谢谢！ – ssoto

原来有必要export ES_JAVA_OPTS=-Djava.awt.headless=true一个“无头”服务器...谁would'a以为上运行的Java应用程序之前！？！

来源

2012-06-21 22:09:58 Meltemi

值得注意的是，这只会使错误无效。 @ imotov的答案可能是这个问题的正确答案。 “无法导出xcontent”错误的另一个原因会弹出，当一个空的有效载荷传递到弹性。 – tester

Elasticsearch在尝试索引时解析异常错误PDF

回答

相关问题