solr4.7从文件创建索引.docxVIP

Solr4.7从文件创建索引冰上浮云2014-3-19索引数据源并不会一定来自于数据库、XML、JSON、CSV这类结构化数据，很多时候也来自于PDF、word、html、word、MP3等这类非结构化数据，从这类非结构化数据创建索引，solr也给我们提供了很好的支持，利用的是apache tika。下面我们来看看在solr4.7中如何从pdf文件创建索引。配置文件索引库新建core我们新建一个solr的core，用于存储文件型索引，新建core的步骤请参考：/clj198606061111/article/details备jar我们在$solr_home下面新建一个extract文件夹，用于存放solr扩展jar包。从colr4.7发布包中solr-4.7.0\dist拷贝solr-cell-4.7.0.jar到新建的extract文件夹下。拷贝solr4.7发布包solr-4.7.0\contrib\extraction\lib下所有jar包到extract文件夹下。配置solrconfig.xml添加请求解析配置：requestHandler name=/update/extract class=solr.extraction.ExtractingRequestHandler lst name=defaults str name=fmap.contenttext/str str name=lowernamestrue/str str name=uprefixattr_/str str name=captureAttrtrue/str /lst /requestHandler指定依赖包位置：注意，这个相对位置不是相对于配置文件所在文件夹位置，而是相对core主目录的。比如我的配置文件在solr_home\core1\conf，但是我的jar包在solr_home\extract那么我的相对路径就是../extract而不是../../extract。lib dir=../extract regex=.*\.jar /配置schema.xml4.1配置索引字段的类型，也就是field类型。其中text_general类型我们用到2个txt文件（stopwords.txt、synonyms.txt），这2个txt文件在发布包示例core里面有位置在：solr-4.7.0\example\solr\collection1\conf，复制这2个txt文件到新建的$solr_home的那个新建的core下面的conf目录下，和schema.xml一个位置。 types fieldType name=long class=solr.TrieLongField precisionStep=0 positionIncrementGap=0/ fieldtype name=string class=solr.StrField sortMissingLast=true omitNorms=true/ fieldType name=text_general class=solr.TextField positionIncrementGap=100 analyzer type=index tokenizer class=solr.StandardTokenizerFactory/ filter class=solr.StopFilterFactory ignoreCase=true words=stopwords.txt / filter class=solr.LowerCaseFilterFactory/ /analyzer analyzer type=query tokenizer class=solr.StandardTokenizerFactory/ filter class=solr.StopFilterFactory ignoreCase=true words=stopwords.txt / filter class=solr.SynonymFilterFactory synonyms=synonyms.txt ignoreCase=true expand=true/ filter class=solr.LowerCaseFilterFactory/ /analyzer /fieldType /types4.2配置索引字段，也就是field其中有个动态类型字段，attr_*，这个是什么意思呢。也就是solr在解析文件的