使用ApacheSolr和tika索引文本文件
我在本地机器上的使用ApacheSolr和tika索引文本文件,solr,apache-tika,Solr,Apache Tika,我在本地机器上的d:/tmp/docs位置有一些doc文件,我想使用apachesolr和Tika对它们进行索引。下面是我的数据配置.xml文件 <dataSource type="BinFileDataSource" /> <document> <entity name="file_Import" dataSource="null" rootEntity="false" processor="FileListEntityPr
d:/tmp/docs
位置有一些doc文件,我想使用apachesolr和Tika对它们进行索引。下面是我的数据配置.xml
文件
<dataSource type="BinFileDataSource" />
<document>
<entity name="file_Import" dataSource="null" rootEntity="false"
processor="FileListEntityProcessor"
baseDir="D:/temp/docs" fileName=".*\.(doc)|(pdf)|(docx)"
onError="skip"
recursive="true">
<field column="fileAbsolutePath" name="id" />
<field column="fileSize" name="size" />
<field column="fileLastModified" name="lastModified" />
<entity
name="documentImport"
processor="TikaEntityProcessor"
url="${files.fileAbsolutePath}"
format="text">
<field column="file" name="fileName"/>
<field column="Author" name="author" meta="true"/>
<field column="title" name="title" meta="true"/>
<field column="text" name="text"/>
</entity>
</entity>
</document>
当我尝试将这些文件导入solr时,出现以下异常:
Caused by: java.net.MalformedURLException: no protocol: null
at java.net.URL.<init>(Unknown Source)
at java.net.URL.<init>(Unknown Source)
at java.net.URL.<init>(Unknown Source)
at org.apache.solr.handler.dataimport.URLDataSource.getData(URLDataSource.java:90)
... 11 more
原因:java.net.MalformedURLException:无协议:null
位于java.net.URL。(未知源)
位于java.net.URL。(未知源)
位于java.net.URL。(未知源)
位于org.apache.solr.handler.dataimport.URLDataSource.getData(URLDataSource.java:90)
... 还有11个
我发现sorl无法找到d:/temp/docs
文件夹
不知道如何解决。感谢您的帮助。请检查数据源baseDir的url 试着从 baseDir=“D:/temp/docs” 到 baseDir=“D:/temp/docs/”
并更改文件名,如
*.*
为该文件夹中的所有文档编制索引检查datasource baseDir的url
试着从
baseDir=“D:/temp/docs”
到
baseDir=“D:/temp/docs/”
并更改文件名,如*.*
,为该文件夹中的所有文档编制索引
我的data-config.xml中有多个dataSource标记,其中一个是
引起问题。。所以我删除了所有的数据源,只保留了
它成功了……:) 已解决
我的data-config.xml中有多个dataSource标记,其中一个是
引起问题。。所以我删除了所有的数据源,只保留了
它成功了……:) 是不是。。。同一个问题持续存在。。。同样的问题依然存在