pdf - Solr 添加和更新 pdf 文件
问题描述
我想将 pdf 文件添加和更新到 solrs 索引。我的场景:我有一个目录(mainDir),它应该被索引。该目录包含许多带有 pdf 文件的子目录。可以创建、更新或删除新的 pdf 文件和子目录。
我已经创建了一个数据导入处理程序,它递归地索引我目录中的所有文件。这是我的配置:
<dataConfig>
<dataSource type="BinFileDataSource"/>
<document>
<entity name="file"
processor="FileListEntityProcessor"
dataSource="null"
fileName=".*pdf"
rootEntity="false"
baseDir="/mainDir"
recursive="true" >
<field column="file" name="fileName"/>
<field column="fileAbsolutePath" name="fileAbsolutePath"/>
<field column="fileDir" name="fileDir"/>
<entity name="pdf" processor="TikaEntityProcessor" url="${file.fileAbsolutePath}" format="text">
<field column="title" name="title"/>
<field column="text" name="_text_"/>
</entity>
</entity>
</document>
</dataConfig>
我运行了 DIH,它有效,但我不知道如何添加/更新单个 pdf 文件。提交对索引的更改的最佳方式是什么?稍后,node.js API 应该会注意到 solr 的变化。
解决方案
索引一个文件
只需调用http://localhost:8983/solr/my_collection/dataimport?command=full-import
或使用卷曲
curl http://localhost:8983/solr/my_collection/update -H "Content-Type: text/xml" -T "myfile.pdf" -X POST
防止重复
https://lucene.apache.org/solr/guide/8_5/de-duplication.html#de-duplication
你可以使用这样的东西,你映射的 id 是根据文档的内容自动生成的,它可以防止索引上的重复文件
<updateRequestProcessorChain name="dedupe">
<processor class="solr.processor.SignatureUpdateProcessorFactory">
<bool name="enabled">true</bool>
<str name="signatureField">id</str>
<bool name="overwriteDupes">true</bool>
<str name="fields">text</str>
<str name="signatureClass">solr.processor.Lookup3Signature</str>
</processor>
<processor class="solr.LogUpdateProcessorFactory" />
<processor class="solr.RunUpdateProcessorFactory" />
</updateRequestProcessorChain>
并在 name="/update/extract" 和 name="/dataimport" name="/update" 的 requestHandler 中添加这个
<str name="update.chain">dedupe</str>
这也将有所帮助
<initParams path="/update/**">
<lst name="defaults">
<str name="update.chain">dedupe</str>
</lst>
</initParams>
上次索引时间
您可以放入<field name="updated" type="date" default="NOW"/>
您的 schema.xml
如果您想在 dataconfig 中使用该值,请使用此 var:'${dataimporter.last_index_time}'
最后索引时间存储在 data.import.properties
对于带有 solr 的 node.js
推荐阅读
- c++ - 带参数的线程调用库函数
- r - 平均 2 列并为结果平均值创建另一列。我想在 R 编程中执行这些操作
- c# - WPF c# Hangman 游戏:禁用错误字母并显示错误消息和其他 2 个问题
- c++ - 使类模板成为自己的朋友,以进行不同的实例化
- javascript - 将 HTML 页面从 POST 渲染到 API
- android - 为什么我的应用程序没有更改语言?
- java - Discord JDA 依赖缺失
- node.js - 表达 req.headers,如何获取方法(get 或 post)
- telegram - 在 Dialogflow 中将动画 gif 发送到 Telegram
- data-visualization - 如何在 Apache Superset 中编辑查询?