配置 Apache Tika答案

【问题标题】：Configuring Apache Tika配置 Apache Tika
【发布时间】：2017-10-12 19:09:50
【问题描述】：

此文档部分指出可以使用专用配置文件配置 Apache Tika：https://cwiki.apache.org/confluence/display/solr/Uploading+Data+with+Solr+Cell+using+Apache+Tika

<str name="tika.config">/my/path/to/tika.config</str>

显而易见的问题是 - 我在哪里可以找到示例 tika.config 以及如何修改它的说明？

我的目标是什么？ 我想将 Tika 配置为不解析媒体文件内容

【问题讨论】：

有一堆 Tika 配置用于单元测试源代码树中的 Tika 配置代码 - 做any of these help?
好吧，总比没有好，但是..仍然没有提示支持哪些选项以及如何使用配置文件实现不同的目标
我的意思是这很奇怪 - 应用程序支持配置，但实际上互联网上没有任何迹象
我认为大多数人要么依赖解析器和检测器的自动发现，所以不需要配置文件，或者在代码中进行配置

标签： apache solr apache-tika

【解决方案1】：

您必须在 solrconfig.xml 文件中添加这些行

<lib dir="../../../../contrib/extraction/lib/" regex="tika-core-\d.*\.jar" />
  <lib dir="../../../../contrib/extraction/lib/" regex="tika-parsers-\d.*\.jar" />

也添加这些行

**<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>
      <str name="capture">body</str>
    </lst>
      <str name="tika.config">**html-config.xml**</str>
  </requestHandler>**

html-config.xml 文件必须在 conf 目录中并包含从这里看到的内容https://github.com/apache/tika/blob/master/tika-parsers/src/test/resources/org/apache/tika/parser/html/tika-config.xml

【讨论】：

对不起，写得不好，**不包括在内！