我已经搜索了两天,但一直找不到答案。
我已经从 tomcat 6 上运行的 Ubuntu 服务器上的存储库安装了 solr。我添加了solr细胞罐和tika库。
我可以运行一个 curl 命令,该命令适用于某些 pdf 文件并将它们很好地索引,但它不适用于其他文件。起初我以为有些文件已损坏,但事实似乎并非如此。在我看来,那些工作和那些不工作之间没有任何重大区别。
我得到的错误是 500 错误 - 请参阅此处的示例
我提出的 curl 请求是:
$ curl 'http://mysolrserver.com:port/solr/update/extract?map.content=text&map.stream_name=id&extractOnly=true&commit=true' -F "file=@/absolute/path/to/file.pdf"
这确实适用于某些 PDF,但不适用于其他 PDF。
我相信我已经安装了 solr 1.4.0。
任何帮助将不胜感激 - 谢谢
--编辑--我正在使用 Ubuntu 10.04.1 如果有帮助的话。
NullPointerException可能是一个错误。将其报告给PDFBox和/或Tika。
好的,solr 的夜间快照使用 PDFBox 1.3.1,而不是当前稳定版使用 0.7.*,这是一个相当数量的修订更改。
我可以使用这个快照版本的 solr 索引所有 pdf。在我看来,这将是在下一个稳定版本中修复。