我只处于Solr的研究阶段，但到目前为止，要对非结构化文本文件进行索引，我必须使用Tika将其转换为XML？这是真的吗？Lucene可以在不进行任何转换的情况下对任意文本进行标记和索引，我觉得这很奇怪，但Solr需要额外的步骤来转换为XML。我想也许我只是错过了什么。
我正在研究每天数百万个文件和数百GB的近实时全文搜索，所以额外的Tika转换很麻烦。
感谢您的回复@javanna我的问题最好是"不必以任何方式预先处理输入"。它们太多了，太快了，太大了，速度很重要@Oklein在研究你提到的DIH时，我偶然发现了这份文件：
http://www.lucidimagination.com/sites/default/files/file/whitepaper/LIWP_IndexingTextandHTMLFilesWithSolr.pdf
基本上，我追求的答案是，使用ExtractingRequestHandler来处理纯文本文件，并动态添加额外的字段。现在我正在使用cURL，它可以使用GET参数添加字段，并将使用SolrJ进行等效操作。
http://wiki.apache.org/solr/ExtractingRequestHandler#SolrJ
检查DIH 中的PlainTextEntityProcessor