使用 SOLR 搜索存储在数据库中的 PDF 文件

Question

我有很多 PDF 文件存储在需要搜索的数据库 (MSSQL) 中。它们存储为 BLOB。我需要了解如何使用 SOLR 搜索它们。 我有一个数据库，我们称之为“fred”。 Fred 内部有一个表，我们称它为 pdffiles。 pdffiles 有一个名为 pdfdata 的列，类型为 BLOB。 pdf 存储在此表中，二进制数据存储在列中。我要采取什么步骤让 SOLR 提取这些数据并为其编制索引？ 我猜它涉及 TikaEntityProcessor，但是将 pdf 存储在数据库中而不是仅仅作为常规文件会增加一定程度的复杂性。我以前曾与 SOLR 合作过，并让它在生产中运行。 示例数据配置和模式文件将非常有用。

Answer 1

我要采取哪些步骤让 SOLR 提取这些数据并为其编制索引？

1. 创建一个名为 tika-data-config.xml 的新文件，其中包含数据库配置和获取数据的查询。

2. 您需要在文本编辑器中更新solrconfig.xml 并在配置标签中添加以下内容：

1. 您需要提及与数据导入处理程序相关的库。
2. 提供相应的数据库 jar 文件。
3. 通过提及您的字段在schema.xml 文件中进行更改。根据您的搜索要求为您的字段添加正确的 fieldType。
4. 设置完成后，您可以请求 solr 进行索引 使用http://localhost:8983/solr/collection1/dataimport?command=full-import

更多详情请参考solr链接...Configure DIH