使用 Solr 和 tomcat 进行 Java 编码答案

【问题标题】：Java encoding with Solr and tomcat使用 Solr 和 tomcat 进行 Java 编码
【发布时间】：2017-06-14 13:35:31
【问题描述】：

我遇到了 solr 的编码问题。我们在两台不同的服务器上有“相同”的设置，但其中一台能够在没有 ??? 的情况下对文档进行索引字符，但测试服务器遇到了问题。

Solr 结果示例：
产品服务器：

effet sur l’acquisition des connaissances »\n\n#12;#12;EFFET D’UNE SÉQUENCE

测试服务器：

effet sur l’acquisition des connaissances »\n\n��EFFET D’UNE SÉQUENCE D’ENSEIGNEMENTS

我在两台服务器上运行相同版本的 java：

java version "1.7.0_80"
Java(TM) SE Runtime Environment (build 1.7.0_80-b15)
Java HotSpot(TM) 64-Bit Server VM (build 24.80-b11, mixed mode)

两者都有相同的 Java 选项：

JAVA_OPTS=" -Dfile.encoding=UTF-8 "

两个 solr 具有相同的 Java 属性（在 UI 中）。

#12; 是什么意思？什么意思？

问题可能出在哪里？

操作系统：

Ubuntu 14.04

软件：

Tomcat 8.0.43
空间 6.0
Solr 4.10.4

编辑：两台服务器上的语言环境输出：

LANG=en_CA.utf8  
LANGUAGE=en_CA:en
LC_CTYPE="en_CA.utf8"
LC_NUMERIC="en_CA.utf8"
LC_TIME="en_CA.utf8"
LC_COLLATE="en_CA.utf8"
LC_MONETARY="en_CA.utf8"
LC_MESSAGES="en_CA.utf8"
LC_PAPER="en_CA.utf8"
LC_NAME="en_CA.utf8"
LC_ADDRESS="en_CA.utf8"
LC_TELEPHONE="en_CA.utf8"
LC_MEASUREMENT="en_CA.utf8"
LC_IDENTIFICATION="en_CA.utf8"
LC_ALL=

谢谢！

【问题讨论】：

两台服务器上“locale”命令的输出是什么？
我忘了说，我刚刚加到帖子里了

标签： java tomcat encoding solr dspace

【解决方案1】：

问题不在于编码，而在于 DSpace 的工作方式。我不得不运行命令：

./dspace filter-media -f

此命令将从 PDF 重新生成 .txt 文件并重新索引文档。所以每次我尝试用正确的编码索引文档时，它并没有改变任何东西。

【讨论】：