Solr富文本索引

操作场景

Solr在webUI界面上支持富文本索引。针对存储在本地磁盘上的文本格式（例如：csv、xml、eml、html、txt、doc、pdf、xls、xlsx、jpg、png、tif等），可以在配置好“solrconfig.xml”后输入一定的索引参数进行索引建立。

前提条件

Solr服务工作正常，配置了支持富文本索引的requestHandler。

操作步骤

1. 确认在“solrconfig.xml”中对富文本进行Handler配置。

   <!-- Solr Cell Update Request Handler
   http://wiki.apache.org/solr/ExtractingRequestHandler
   -->
   <requestHandler name="/update/extract"
   startup="lazy"
   class="solr.extraction.ExtractingRequestHandler" >
   <lst name="defaults">
   <str name="lowernames">true</str>
   <str name="uprefix">ignored_</str>
   <!-- capture link hrefs but ignore div attributes -->
   <str name="captureAttr">true</str>
   <str name="fmap.a">links</str>
   <str name="fmap.div">ignored_</str>
   </lst>
   </requestHandler>

2. 按照下图所示的方式进行索引参数填写。

   

   

   Handler参数：literal.id=d1&uprefix=attr_&fmap.content=attr_content

   • literal.<fieldname>=<value>：表示给定某个field一个值；如果这个字段是multivalued的，那么该值也可以是multivalued类型的。
   • uprefix=<prefix>：表示对所有在schema中没有定义的字段添加前缀prefix，这种方式在与动态字段定义结合使用时非常有用；例如，<dynamicField name="ignored_*" type="ignored"/>将会对所有被Tika解析出来的未知字段进行自动忽略。
   • fmap.<source_field>=<target_field>：表示把一个字段映射到另一个字段；例如fmap.content=text将会把Tika解析出来的“content”字段自动的映射到“text”字段。

3. 提交索引命令，在相应的collection下进行Query操作，可以查询到2中导入的文本索引信息。

   RestAPI：

   Request URL:
   https://ip:solr_port/solr/collName/update/extract?commitWithin=1000&boost=1.0&overwrite=true&wt=json&literal.id=d3&uprefix=attr_&fmap.content=attr_content
   
   Request Method:POST
   
   Request Headers：
   Accept:application/json, text/plain, */*
   Accept-Encoding:gzip, deflate, br
   Accept-Language:zh,en;q=0.8,zh-CN;q=0.6
   Connection:keep-alive
   Content-Length:400378
   Content-Type:multipart/form-data; boundary=----WebKitFormBoundaryW45dtKs8K3BymOjP
   
   Request Payload
   ------WebKitFormBoundaryW45dtKs8K3BymOjP
   Content-Disposition: form-data; name="file"; filename="text.docx"
   Content-Type: application/vnd.openxmlformats-officedocument.wordprocessingml.document
   ------WebKitFormBoundaryW45dtKs8K3BymOjP--