Java 在Solr中存储pdf

我正在尝试（在我的本地环境中）设置一些东西，以便在Solr中存储PDF，但我无法让它工作。现在我正在处理Solr提供的示例文件夹中的文件

我没有修改solr-3.6.0/example/conf中的solrconfig.xml，因为它似乎已经按照中所述进行了配置。也就是说，它已经包含以下内容：

<lib dir="../../dist/" regex="apache-solr-cell-\d.*\.jar" />
<lib dir="../../contrib/extraction/lib" regex=".*\.jar" />

我正试图使用以下命令将pdf发送到Solr：

java -jar start.jar 

java -Durl=http://localhost:8983/solr/update/extract -Dauto -jar /Applications/Solr-3.6.0/example/exampledocs/post.jar /path/to/pdf/mypdf.pdf

如果我没有对/Solr-3.6.0/example/Solr/conf/schema.xml进行任何更改，我会得到以下消息：

FATAL: Solr returned an error #400 [doc=null] missing required field: id

如果我将schema.xml中id元素中属性“required”的值更改为false，我会得到：

FATAL: Solr returned an error #400 Document is missing mandatory uniqueKey field: id

我认为，如果模式中元素的required属性为false，那么我可以只发送不包含该字段的文件，但显然不是这样

---

我还尝试在发送pdf的命令中添加参数-Dparams=literal.id=mypdf1，但这也没有帮助。有什么想法吗？

我认为我的困惑是因为您需要为发送给Solr的文档提供一个id，同时Solr-3.6.0/example/Solr/conf/schema.xml中有一个id元素

我相信我遇到的第一个错误是指模式中的id元素。第二个错误是引用文档id

在ZeroPage的帮助下，我也克服了第二个错误，将文档id添加到url中，而不是作为单独的参数传递。此查询现在适用于我：

java -Durl=http://localhost:8983/solr/update/extract?literal.id=form1 -jar /Applications/Solr-3.6.0/example/exampledocs/post.jar /path/to/pdf/form1.pdf 

如果我们想让Solr为PDF的全部内容编制索引，我们需要添加uprefix和fmap.contentaTributes：

java -Durl="http://localhost:8983/solr/update/extract?literal.id=form1&uprefix=attr_&fmap.content=attr_content&commit=true" -jar /Applications/Solr-3.6.0/example/exampledocs/post.jar /path/to/pdf/form1.pdf

---

我认为我的困惑是因为您需要为发送给Solr的文档提供一个id，同时Solr-3.6.0/example/Solr/conf/schema.xml中有一个id元素

我相信我遇到的第一个错误是指模式中的id元素。第二个错误是引用文档id

在ZeroPage的帮助下，我也克服了第二个错误，将文档id添加到url中，而不是作为单独的参数传递。此查询现在适用于我：

java -Durl=http://localhost:8983/solr/update/extract?literal.id=form1 -jar /Applications/Solr-3.6.0/example/exampledocs/post.jar /path/to/pdf/form1.pdf 

如果我们想让Solr为PDF的全部内容编制索引，我们需要添加uprefix和fmap.contentaTributes：

java -Durl="http://localhost:8983/solr/update/extract?literal.id=form1&uprefix=attr_&fmap.content=attr_content&commit=true" -jar /Applications/Solr-3.6.0/example/exampledocs/post.jar /path/to/pdf/form1.pdf

---

你试过移除-Dauto吗？我试过了（我最初就是这样做的）。这没有帮助。您是否尝试过将参数添加到url中，如“…/extract？literal.id=mypdf1”？成功了！非常感谢你，ZeroPage。我不明白为什么这样做有效，-Dparams=literal.id=form1不起作用（它在文档中），但至少我可以继续工作。再次感谢。你试过移除-Dauto吗？是的（我最初就是这样做的）。这没有帮助。您是否尝试过将参数添加到url中，如“…/extract？literal.id=mypdf1”？成功了！非常感谢你，ZeroPage。我不明白为什么这样做有效，-Dparams=literal.id=form1不起作用（它在文档中），但至少我可以继续工作。再次感谢。