我必须将许多不同的文档（xls，pptx，txt，csv，pdf）放入solr核心中。 所有文档都是非结构化且不相关的。 我想做这样的事情：
{
'filename':'doc1',
'content': entire doc
}
在这种情况下，filename不是实际文档中的标记，而是由用户分配的，content也不是在实际文档中，将映射到整个索引文档。
我计划通过 python 脚本进行处理，虽然有一些工具可以从富文本文档中提取文本，但我宁愿将它们传递给 solr 并让 solr 忽略它们的内部标签（例如在 pdf 中）并将整个文档映射到上述模式的 contents 标签。
总而言之，如何创建一个包含目标文档中找不到的两个字段的架构，并为整个文档编制索引并将其映射到其中一个字段 （ text_en ）？ 我对solr有点陌生，所以我的词汇可能有点模糊，所以如果你不确定我想要达到什么目的，请要求澄清。
Solr 中的 Tika 模块具有配置选项，应该能够执行您想要的操作：
literal.
：使用为每个文档提供指定值的名称填充字段。数据可以是 多值（如果字段是多值）。
因此，如果添加名为 literal.filename=doc1 的参数，则会在文档的filename中添加doc1。
还有一个忽略架构中不存在的所有字段的示例：
uprefix：使用给定前缀为架构中未定义的所有字段添加前缀。这在与动态结合使用时非常有用 字段定义。示例：
uprefix=ignored_将有效地忽略 给定示例架构的 Tika 生成的所有未知字段包含<dynamicField name="ignored_*" type="ignored"/>
要将字段移动到其他字段名称中：
fmap.
：将一个字段名称映射（移动）到另一个字段名称。 source_field必须是传入文档中的字段，并且 值是要映射到的 Solr 字段。示例：fmap.content=text原因 Tika 生成的content字段中的数据将移动到 索尔的text领域
最后一个提示 - 完全自定义处理，但仍使用可用的 Solr 服务器和 Tika 来处理文档（然后在索引之前进一步揉捏数据）：
仅提取：默认值为 false。如果为 true，则返回从 Tika 提取的内容，而不为文档编制索引。（另见 提取格式）