Solr入门_Solr_Lucene_Full Text Search

Solr入门

solr lucene

Solr入门,solr,lucene,full-text-search,Solr,Lucene,Full Text Search,我正试图开始使用ApacheSolr，但有些事情我并不清楚。通过阅读，我已经设置了一个正在运行的Solr实例。我发现令人困惑的是，Solr的所有配置（模式等）都是XML格式的。当他们添加示例数据时，演示了如何添加xml文档（java-jar post.jar solr.xml monitor.xml）。这仅仅是样本格式的错误选择吗？我的意思是，他们是上传描述文档的数据，还是实际添加的文档是.xml文件我正在尝试添加一些.txt格式的书籍，所以如果我使用java-jar post.jar myd

我正试图开始使用ApacheSolr，但有些事情我并不清楚。通过阅读，我已经设置了一个正在运行的Solr实例。我发现令人困惑的是，Solr的所有配置（模式等）都是XML格式的。当他们添加示例数据时，演示了如何添加xml文档（

java-jar post.jar solr.xml monitor.xml

）。这仅仅是样本格式的错误选择吗？我的意思是，他们是上传描述文档的数据，还是实际添加的文档是.xml文件

我正在尝试添加一些.txt格式的书籍，所以如果我使用

java-jar post.jar mydoc.txt

，我会添加它吗？如何添加此文档及其元数据（作者、标题）

也就是说，我尝试设置一个简单的Html页面，将文档发布到Solr：

<html>
  <head></head>
<body>
  <form action="http://localhost:8983/solr/update?commit=true" enctype="multipart/form-data" method="post">
    <input type="file">
    <input type="submit" value="Send">
  </form>
</body>
</html>

我希望返回一些内容（可能是全文，或者是关于文件的一些信息），但我得到的是：

<response>
  <lst name="responseHeader">
    <int name="status">0</int>
      <int name="QTime">1</int>
      <lst name="params">
        <str name="indent">on</str>
        <str name="start">0</str>
        <str name="q">montagna</str>
        <str name="rows">10</str>
    </lst>
  </lst>
  <result name="response" numFound="0" start="0"/>
</response>


0
1.
在…上
0
蒙塔尼亚
10

对我来说似乎不匹配。另外，根据，我应该能够用

hl.fragsize

返回匹配项周围的文本。如何将其集成到搜索字符串中？谢谢

solr示例通过xml消息将文档添加到索引中。看一看。您提到的

*.xml

是因为文件系统中存储了一些xml消息。这些xml消息如下所示：

<add>
  <doc>
    <field name="id">UTF8TEST</field>
    <field name="name">Test with some UTF-8 encoded characters</field>
    <field name="manu">Apache Software Foundation</field>
    <field name="cat">software</field>
    <field name="cat">search</field>
    <field name="features">No accents here</field>
    <field name="price">0</field>
    <!-- no popularity, get the default from schema.xml -->
    <field name="inStock">true</field>
  </doc>
</add>

请务必理解以下术语：

Document in solr -> Row in RDBMS
Field of document -> Column of a cell

Solr核心当然是数据库和巨大的表，以（潜在的）稀疏方式占用

为了您（特定）的使用，您将为每个文件创建一个文档；由ID、文件内容等组成

XML是组成solr操作的一种方式

它具有添加、删除、提交和优化操作。添加操作包括一个或多个文档

<add>
  <doc>
    <field name="employeeId">05991</field>
    <field name="office">Bridgewater</field>
    <field name="skills">Perl</field>
    <field name="skills">Java</field>
  </doc>
  [<doc> ... </doc>[<doc> ... </doc>]]
</add>

，它可以从各种丰富的文档（DOC、DOCX、PDF）中提取内容（和元数据）。附加：有literal
来设置您自己的字段

提取请求处理程序将其输出存储到字段text
。查询解析器q=
和高亮显示的假定文本的默认字段（是的，它与您所做的相关）。您可以为它们指定字段；此外，字段solr将在结果中返回给您
<add>
  <doc>
    <field name="filename">test.txt</field>
    <field name="content">Test with some UTF-8 encoded characters</field>
  </doc>
</add>

Document in solr -> Row in RDBMS
Field of document -> Column of a cell

<add>
  <doc>
    <field name="employeeId">05991</field>
    <field name="office">Bridgewater</field>
    <field name="skills">Perl</field>
    <field name="skills">Java</field>
  </doc>
  [<doc> ... </doc>[<doc> ... </doc>]]
</add>