仅索引包含 solr 中特定字符串的文档答案

【问题标题】：Only index documents that contain a specific string in solr仅索引包含 solr 中特定字符串的文档
【发布时间】：2013-12-01 00:12:11
【问题描述】：

如何在 solr 中索引包含特定字符串的文档？这是我当前的数据导入处理程序

<dataConfig>
        <dataSource type="FileDataSource" encoding="UTF-8" />
        <document>
        <entity name="page"
                processor="XPathEntityProcessor"
                stream="true"
                forEach="/mediawiki/page/"
                url="pages.xml"
                transformer="RegexTransformer"
                >
            <field column="id"        xpath="/mediawiki/page/id" />
            <field column="title"     xpath="/mediawiki/page/title" />
            <field column="text"   regex="\{\{PersonData"   xpath="/mediawiki/page/revision/text" />
       </entity>
        </document>
</dataConfig>

我只想在文本字段包含 {{PersonData 时进行索引，但上面会导入所有内容。这应该在导入处理程序或架构中指定吗？

【问题讨论】：

标签： solr indexing

【解决方案1】：

你需要做这样的事情：

<field column="$skipDoc" regex="^#REDIRECT .*" replaceWith="true" sourceColName="text"/>

在这种情况下，匹配指定正则表达式的文档将被跳过，即。此处跳过“重定向”到其他文章的文章。

这里有详细的文档： http://wiki.apache.org/solr/DataImportHandler#XPathEntityProcessor

因此，您需要找到一种方法来跳过“PersonData”数据不在“文本”列中的所有文档。

具体看：http://wiki.apache.org/solr/DataImportHandler#XPathEntityProcessor 的“示例：索引维基百科”部分

【讨论】：

@Naren 您是否尝试过上述解决方案？它对我有用。