ApacheSolr-索引PDF文件

嗨，我已经试着用二进制发行版来做这件事，并且自己编译了源代码。也尝试过用ApacheTomcat运行这个。但是，当我使用pdf文件进行索引时，总是会出现以下错误。我正在使用Solr的示例项目中提供的post.jar

SimplePostTool: version 1.3
SimplePostTool: POSTing files to http://localhost:8983/solr/update..
SimplePostTool: POSTing file 4538a001.pdf
SimplePostTool: FATAL: Solr returned an error #400 Invalid UTF-8 middle byte 0xe
3 (at char #10, byte #-1)

我也试过在Win7（JDK1.7）和Centos（1.6）上运行它

我搜索了互联网，在bug tracker上找到了Jetty jar文件的补丁版本，但即使在替换这些文件后，问题仍然存在

我真的很感谢你的帮助，因为我被困在这里，无法继续进行进一步的任务

---

谢谢，Solr更新是一种特定的XML格式，因此它拒绝使用PDF文件

您可以配置提取请求处理程序，该处理程序将解析PDF文件，然后将提取的文本作为更新进行处理

---

请参阅：

Solr更新是一种特定的XML格式，因此它拒绝使用PDF文件

您可以配置提取请求处理程序，该处理程序将解析PDF文件，然后将提取的文本作为更新进行处理

见：