在Solr中存储PDF

Question

我正在尝试（在本地环境中）设置，以便在Solr中存储PDF，但我无法使其工作。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提取请求处理程序中的描述进行了配置。也就是说，它已经包含了这个：

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

这个：

<requestHandler name="/update/extract" 
              startup="lazy"
              class="solr.extraction.ExtractingRequestHandler" >
<lst name="defaults">
  <str name="fmap.content">text</str>
  <str name="lowernames">true</str>
  <str name="uprefix">ignored_</str>
  <str name="captureAttr">true</str>
  <str name="fmap.a">links</str>
  <str name="fmap.div">ignored_</str>
</lst>

我使用以下命令从示例目录运行Solr：

java -jar start.jar 

我正试图用以下命令将pdf发送给Solr：

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，我会收到消息：

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

如果我将schema.xml中id元素中的属性"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，如果模式中元素的必需属性为false，那么我可以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？

Answer 1

我相信我的困惑是因为你需要有一个发送给Solr的文档的id，同时Solr-3.6.0/example/Solr/conf/schema.xml中有一个id元素

我相信我得到的第一个错误是引用了模式中的id元素。第二个错误是指文档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，而不是将其作为单独的参数传递。这个查询现在对我有效：

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 

如果我们希望Solr对PDF的全部内容进行索引，我们需要添加uprefix和fmap.contentatrributes:

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