如何使用ApacheSolr从pdf内容中获取日期字符串
大家好,我是apache solr的新手。我有一个包含日期信息的pdf,比如-bla-bla-bla 2012-11-23 11:11:12 bla-bla…-我想从内容中获取所有日期 我读了一些文档(http://wiki.apache.org/solr/ExtractingRequestHandler)我在/update/extract中添加了date.formats如何使用ApacheSolr从pdf内容中获取日期字符串,apache,solr,solr-cell,Apache,Solr,Solr Cell,大家好,我是apache solr的新手。我有一个包含日期信息的pdf,比如-bla-bla-bla 2012-11-23 11:11:12 bla-bla…-我想从内容中获取所有日期 我读了一些文档(http://wiki.apache.org/solr/ExtractingRequestHandler)我在/update/extract中添加了date.formats <requestHandler name="/update/extract" star
<requestHandler name="/update/extract"
startup="lazy"
class="solr.extraction.ExtractingRequestHandler" >
<lst name="defaults">
<!-- All the main content goes into "text"... if you need to return
the extracted text or do highlighting, use a stored field. -->
<str name="fmap.content">text</str>
<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>
<lst name="date.formats">
<str>yyyy-MM-dd</str>
<str>yyyy-MM-dd'T'HH:mm:ss'Z'</str>
<str>yyyy-MM-dd'T'HH:mm:ss</str>
<str>yyyy-MM-dd</str>
<str>yyyy-MM-dd hh:mm:ss</str>
<str>yyyy-MM-dd HH:mm:ss</str>
</lst>
文本
符合事实的
忽略_
符合事实的
链接
忽略_
每天
yyyy-MM-dd'HH:MM:ss'Z'
yyyy-MM-dd'HH:MM:ss
每天
yyyy MM dd hh:MM:ss
yyyy MM dd HH:MM:ss
我正在添加pdf,如下所示
卷曲“http://localhost:8983/solr/update/extract?literal.id=sql.txt&uprefix=attr_&fmap.content=attr_content&commit=true“&stream.file=“/home/example/example.pdf”
没有关于日期的事吗?内容呢
Thnks