将 grobid 与 tika 和 solr 集成答案

【问题标题】：Integrating grobid with tika and solr将 grobid 与 tika 和 solr 集成
【发布时间】：2021-01-09 00:48:41
【问题描述】：

我正在使用 Solr 来索引期刊文章。使用开箱即用的配置，它索引文档的文本，但我希望使用 Grobid 提取作者、标题、附属机构等。我启动了 grobid 并作为服务运行。

我加了

<str name="tika.config">/path/to/tika-config.xml</str>

到 solrconfig.xml 中 /update/extract 的 requestHandler

tika-config 看起来像：

<?xml version="1.0" encoding="UTF-8" standalone="no"?>
<properties>
  <parsers>
    <parser class="org.apache.tika.parser.journal.JournalParser">
      <mime>application/pdf</mime>
    </parser>
  </parsers>
</properties>

当我尝试导入文档时遇到 ClassNotFound 异常，但不知道在哪里设置类路径来修复它。

【问题讨论】：

标签： solr apache-tika grobid

【解决方案1】：

正如 Solr 用户列表中所述，最新版本的 Solr (6.0.0) 使用的 Tika (1.7) 版本早于添加 grobid（在 Tika 1.11 中出现）permalink。要关注 Tika 1.13 的升级，请参阅SOLR-8981

【讨论】：