使用 solr 索引 PDF 时未创建“内容”字段答案

【问题标题】：No "content" field created when indexing PDF with solr使用 solr 索引 PDF 时未创建“内容”字段
【发布时间】：2017-10-30 05:59:06
【问题描述】：

我已使用以下链接中所述的 POST 命令成功索引 PDF：http://makble.com/how-to-extract-text-from-pdf-and-post-into-solr

可以查询存储在索引 PDF 文件中的术语，并且可以使用一般查询或文本字段找到。

但是，我没有看到像其他 PDF 相关字段那样生成的“内容”字段。我尝试编辑托管模式文件以添加字段：

<field name="content" type="text_general" indexed="false" stored="true" multiValued="true"/>

<copyField source="content" dest="text"/>

当我尝试重新加载核心时出现以下错误：

<str name="msg">Error handling 'reload' action</str>
<str name="trace">
org.apache.solr.common.SolrException: Error handling 'reload' action at org.apache.solr.handler.admin.CoreAdminOperation.lambda$static$2(CoreAdminOperation.java:110) at org.apache.solr.handler.admin.CoreAdminOperation.execute(CoreAdminOperation.java:370) at org.apache.solr.handler.admin.CoreAdminHandler$CallInfo.call(CoreAdminHandler.java:388) at org.apache.solr.handler.admin.CoreAdminHandler.handleRequestBody(CoreAdminHandler.java:174)

我的 solrconfig.xml 有这个：

<requestHandler name="/update/extract"
                  startup="lazy"
                  class="solr.extraction.ExtractingRequestHandler" >
    <lst name="defaults">
      <str name="lowernames">true</str>
      <str name="fmap.meta">ignored_</str>
      <str name="fmap.content">_text_</str>
    </lst>
  </requestHandler>

我希望“内容”字段可用于仅搜索索引 pdf 文件中的文本。

【问题讨论】：

标签： pdf indexing solr

【解决方案1】：

1) 不要手动编辑架构文件。请改用Schema API。

2) fmap.content 在您的情况下将 content 字段映射到 _text_ 字段。如果您已经定义了 content 字段，那么只需从 ExtractingRequestHandler 定义中删除此特定参数即可。

【讨论】：