使用 Lucene 索引单个 Xml 文件

Question

我正在编写一个 Java 应用程序，并希望使用 Lucene 索引一个 Xml 文件，以便搜索具有给定目标的药物。文件大小为 400MB，包含 8000 多个药物条目。

<drug type="biotech" created="2005-06-13" updated="2015-11-27">
    <drugbank-id primary="true">DB00001</drugbank-id>
    <drugbank-id>BIOD00024</drugbank-id>
    <drugbank-id>BTD00024</drugbank-id>
    <name>Lepirudin</name>
    ....
    <targets>
        <target position="1">
            <id>BE0000767</id>
            <name>Epidermal growth factor receptor</name>
            ....
        </target>
        ....
    </targets>
</drug>
<drug>
....
</drug>

我怎样才能索引这个文件，以便一个药物条目是一个文档？ 如果有人有一些有用的链接/资源或有关如何索引此 Xml 的提示，请告诉我:)

Answer 1

最灵活的策略通常是通过一个小型 Java 应用程序来just use SolrJ，该应用程序读取文件并将其转换为适合在 Solr 中索引的格式。这样，您就可以在 Solr 接收某些字段之前轻松对其进行预处理。

另一个选项是use XSL to transform the XML file into something that Solr understands。这可以在服务器端（与链接的 XSLTUpdateRequestHandler 一样）或客户端（将 XML 文档转换为更新请求并将其提交给标准请求处理程序）使用。