Solr索引PDF/文档后集合中无"Content“字段
Solr是一个开源的搜索平台，用于构建强大的搜索应用程序。它基于Apache Lucene搜索库，提供了高效的索引和检索功能。对于索引PDF/文档后集合中无"Content"字段的问题，可以通过以下步骤来解决：
- 配置Solr的数据源：首先，需要配置Solr的数据源，以便将PDF/文档加载到Solr中进行索引。可以使用Solr提供的DataImportHandler（DIH）插件来实现这一步骤。DIH插件允许从各种数据源中提取数据并进行索引。
- 解析PDF/文档内容：为了能够检索文档的内容，需要使用适当的解析器来提取PDF/文档中的文本信息。Solr提供了Tika解析器，它可以解析多种类型的文档，并从中提取文本内容。
- 配置Solr字段：接下来，需要在Solr模式中定义相应的字段来存储文档的内容。可以创建一个名为"Content"的字段，并将提取的文本内容存储在这个字段中。
- 配置Solr索引流程：在Solr配置文件中，可以定义索引流程，以指定在索引PDF/文档时应该执行的操作。可以通过使用Solr的UpdateRequestHandler和ExtractorRequestHandler来完成索引的操作。
- 重新索引数据：完成配置后，可以重新启动Solr并重新索引数据。Solr会根据配置的索引流程，解析PDF/文档并将其内容存储在"Content"字段中。
通过上述步骤，即可在Solr索引的集合中创建一个名为"Content"的字段，用于存储PDF/文档的内容。这样，在搜索过程中，可以使用该字段进行全文检索，以查找包含特定关键词的文档。
在腾讯云中，可以使用腾讯云搜索（Cloud Search）来构建基于Solr的搜索应用程序。腾讯云搜索提供了强大的搜索功能，支持多种数据源的索引和检索，并提供了高可用性和可扩展性。您可以通过访问腾讯云搜索的官方网页（https://cloud.tencent.com/product/cloudsearch）来了解更多关于腾讯云搜索的信息和产品介绍。
相关·内容
我收集了数以千计的文档/pdf，有很多字段，比如: url，title，date...etc。但是没有内容字段，这似乎是您必须存在的内容字段，以便能够按整个文档的关键字进行搜索，而不仅仅是标题。我看到一些人说，通常情况下，内容字段是在索引时自动生成的。 如何添加应包含PDF/文档中所有文本的内容字段？我使用的是Solr6，所以我知道我需要使用API来创建一个新<
浏览 11提问于2019-10-18得票数 0
回答已采纳
1回答
我想在PDF文件中使用Solr，但我不知道如何配置solrconfig.xml和schema.xml。我应该在那些文件里写些什么？其目的是用同义词或拼写检查器进行全文搜索。(我在Windows上使用Solr，以后我将使用API SolrNet).Thank you！
浏览 1提问于2018-06-21得票数 0
回答已采纳
我有很多pdf文件(里面的文字)，我想建立一个简单的搜索引擎来搜索包含给定关键字的句子。经过几个小时的搜索，我选择了solr作为工具。
我是solr的新手。我下载了最新的solr 6.5.0并在windows 7中进行了设置。我使用以下命令创建了一个名为gettingstarted的集合，可以通过访问链接http://localhost:8983/solr/gettingstarted/browse进行
浏览 3提问于2017-04-12得票数 1
我正面临这个问题，我的PDF文件之一，我认为，它未能被索引到Solr，因为它的大文件大小。我在网上看到的回复大多建议将'content‘的字段类型改为'text_general'，我一直在使用它，但是这个特定的PDF仍然不能被索引。产生的错误：
异常写入文档id abc.com/files/hugepdf.pdf到索引；可能的分析错误：文档在fiel
浏览 4提问于2017-07-26得票数 0
1回答
每当应用程序上传pdf文档时，我都希望对其进行索引。在索引时，我在filename和fileType中发送url，如下所示
http://localhost:8983/solr/update/extract?stream.file=/D:\apache-solr-3.3.0\example\exampledocs\Accessing_MySQL_from_IntalioBPMS.pdf&stream.c
浏览 6提问于2011-09-08得票数 0
1回答
我一直在尝试使用Cloudera Search，也就是Apache Solr来索引pdf文档。首先，我能够索引twitter上的推文。后来，我尝试对PDF文件进行索引。我已经使用solrctl和默认模式创建了相应的集合。/select查询输出中，我只得到了content和content-type字段。如何获取solr前端查询中的所有元数
浏览 7提问于2017-05-19得票数 0
我使用的solr版本是7.6.0 (模式无模式)。我尝试使用默认提供的Post实用程序jar索引几个PDF文档。现在，当我执行查询时，包含查询字符串的文件的细节将正确显示。但是我看不到任何有实际文件内容的字段。<str name="fmap.a">ignored_</str> <s
浏览 0提问于2019-02-04得票数 0
回答已采纳
我必须将许多不同的文档(xls、pptx、txt、csv、pdf)放入solr核心。所有的文档都是非结构化和无关的。我想做一些类似的事情： 'filename':'doc1',}
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也不在实际文档中，它将映射到整
浏览 0提问于2016-03-17得票数 0
我使用Solr 6.2.1和ExtractingRequestHandler (已经包含在Solr 6.2.1中)来索引pdf和word文档。所有文档(pdf和word)都有元数据索引(标题、日期、cp_revision、compagny、.)但内容字段始终是空的。根据，我应该有一个非空的内容字段："Tika将所有提取的文本添加到content字段<em
浏览 9提问于2016-10-20得票数 1
1回答
在尝试为包含text_general字段的文档编制索引时，我收到以下错误： Exception writing document id 93cf6aeb-54b0-471a-9325-5b8e95801131index options=DOCS_AND_FREQS_AND_POSITIONS 我尝试索引的文档如下所示： { "content":
浏览 72提问于2019-09-06得票数 1
回答已采纳
我正在使用Apache solr-5.1.0搜索pdf文档，我使用bin/post方法对所有文档进行了索引。我使用curl添加了一个自定义字段，如 "add-field":{/taxsutra/schema
现在，当我调用搜索查询时，这个ZoneI
浏览 0提问于2015-05-14得票数 0
我正在索引一些课程数据(id，名称，摘要)以及与这些课程相关的附件。通过传递文字字段，我使用提取RequestHandler对文档进行索引。
如何用独特的课程id映射多个文档
浏览 3提问于2013-07-28得票数 1
回答已采纳
我是Solr索引的新手。我使用了Solr5.5，并在其中索引了一个pdf文件，只需使用我删除了源pdf文件。有没有我可以从Apache Solr中提取pdf文件的方法。我可以从URL中看到它的索引
http://localhost:8983&
浏览 10提问于2017-07-09得票数 0
回答已采纳
1回答
我使用Solr的与Apache交互。我正在为数据库中的数据索引。我也想索引外部文件的内容(比如PDF、PPTX)。$res = $client->addDocument($doc);接下来，我想在上面的solr文档中添加PDF文件的内容。编辑#1：如果我尝试在curl请求中设置literal.id=xyz，它将创建一个具有id=xyz的新solr<
浏览 1提问于2013-07-12得票数 3
内容字段在搜索过程中无法显示，即使使用managedSchemaResourceName中命名的资源中的curl将以下行添加到模式中也是如此。我已经添加了内容字段行，以允许在用户执行查询时显示索引内容，因为默认设置不是要显示的内容。文档被成功索引，当我从内容中搜索任何单词时，搜索能够返回文档ID和其他信息，如主题、作者、日期等。但是，文档的内容没有显示。
这是我从结果中</
浏览 2提问于2015-03-04得票数 1
1回答
这是一个Solr的新手问题--但是对我来说理解Solr是如何工作的以及它是否适合我的项目是非常重要的。
我想索引二进制文档，即MS-Office文档和PDF。我知道Solr可以索引这些文档的内容，并且我可以构建查询来获取我指定的值和字段作为结果。我的问题是，扫描后PDF (或任何文档)会发生什么？它实际上是被存储的还是完全被丢弃的，我能得到一个指向原始文档
浏览 2提问于2011-07-07得票数 0
我想用solr来索引pdf，word文档。word / pdf文档的全部内容都会出现在搜索响应中，还会出现突出显示的片段。内容相当长，我想在搜索响应中避免它，因为内容长度。是否可以只获取content字段中突出显示的片段？http://localhost:8080/solr4x/collection1/s
浏览 0提问于2013-05-15得票数 1
回答已采纳
1回答
(这里是solr新手)我设置了一个简单的solr实例来索引html/pdf文档的集合。它基本上可以工作，但我只能尝试添加部分搜索功能。到目前为止，我尝试过的是:由于我认为保留默认的托管模式更好，所以我尝试使用模式api添加带有ngram过滤器的字段text_partial，就像这样。curl -X POST -H 'Content-type:application/json' --data-binary
浏览 1提问于2019-08-09得票数 0
回答已采纳
我想为同一个Solr ID索引多个pdf文件。(所有字段都期望“文件”)索引到我们的Solr6服务器中。现在，我们需要一个进程来将所有文件内容索引到同一个ID的Solr中。":["content_of_file1", "content_of_file2", ...],
"files":["/
浏览 1提问于2017-09-04得票数 0
回答已采纳
1回答
我试图使用SolrJ索引一些pdf文档，如中所描述的，下面是代码： System.out.println(entry.getValue());}
不幸的是，在查询**时，我得到了索引文档列表，但内容字段为空。<&#x
浏览 2提问于2011-04-17得票数 2
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
云直播活动推荐
腾讯云开发者
