如何使用 Solr 配置在 Tika 中禁用（或增加限制）Zip 炸弹检测？答案

【问题标题】：How to disable (or increase limit) Zip bomb detection in Tika with Solr config?如何使用 Solr 配置在 Tika 中禁用（或增加限制）Zip 炸弹检测？
【发布时间】：2016-09-23 03:04:03
【问题描述】：

我收到一些“检测到 Zip 炸弹！”我们的一些大型 HTML 文件（之前从 PDF 转换）例外，这些文件是合法文件，同时尝试使用 Solr 对其进行索引。我想增加炸弹检测的限制或禁用它，因为只有一部分受信任的用户可以将某些众所周知的文档输入系统。

Solr 文档指出可以为其提供 Tika 配置文件，但我无法在 Tika 文档中找到如何设置 SecureContentHandler 的输出阈值，或者可能将此处理程序替换为另一个没有的处理程序防止拉链炸弹...

如何在 Tika 配置文件中指定此类更改？

【问题讨论】：

我认为您需要为此查看 SOLR 配置。 Tika 配置允许您控制要使用的解析器和检测器。使用/不使用/配置SecureContentHandler 是应用程序端，在你调用 Tika 之前
确切地说，文档只提到了配置解析器和检测器，但没有提到内容处理程序。我不知道如何设置 Tika 配置以配置 SecureContentHandler，它正在寻找 zip 炸弹检测。如果只能从应用程序中直接调用它，那意味着我将无法使用 Solr 处理这些文档……我希望有一些方法可以使用 Solr 实现我想要的，而无需在 Java 中实现任何自定义类。 ..
不能在 Tika Config 中进行，必须在 SOLR 中进行
你知道如何在 Solr 配置中做到这一点吗？

标签： solr apache-tika

【解决方案1】：

这似乎是由 Solr 本身在某个时候的回归引起的。我创建的这张票中的更多详细信息，由 Tim Allison 调查：

https://issues.apache.org/jira/browse/TIKA-2091

我最终替换了 Tika，通过使用 Nokogiri (Nokogiri::HTML(html_content).text) 直接从我的 Ruby 应用程序中提取 HTML 文档中的文本。如果这对您有影响并且您希望在 Solr 中修复它，请在 Solr 项目中创建一个工单。

【讨论】：