solr-cell 搜索适用于某些 pdf，不适用于其他答案

【问题标题】：solr-cell search works for some pdfs not otherssolr-cell 搜索适用于某些 pdf，不适用于其他
【发布时间】：2011-05-16 08:43:50
【问题描述】：

我找了两天没找到答案。

我已经从运行在 tomcat 6 上的 Ubuntu 服务器上的 repos 安装了 solr。我添加了 solr-cell jar 和 tika 库。

我可以运行适用于某些 pdf 文件的 curl 命令并对其进行索引，但它不适用于其他文件。起初我认为某些文件已损坏，但事实并非如此。在我看来，那些可以工作的和那些不能工作的之间没有任何重大区别。

我得到的错误是 500 错误 - see example here

我提出的 curl 请求是：

$ curl 'http://mysolrserver.com:port/solr/update/extract?map.content=text&map.stream_name=id&extractOnly=true&commit=true' -F "file=@/absolute/path/to/file.pdf"

这确实适用于某些 PDF，但不适用于其他 PDF。

我相信我已经安装了 solr 1.4.0。

任何帮助将不胜感激 - 谢谢

--编辑-- 如果有帮助的话，我正在使用 Ubuntu 10.04.1。

【问题讨论】：

标签： solr

【解决方案1】：

NullPointerException 可能是一个错误。报告给PDFBox 和/或Tika。

【讨论】：

我认为您可能是对的，似乎夜间版本具有更新版本的 pdfbox。稳定版使用相当旧的版本。我正在尝试将其更新到最新版本。看看这是否有帮助。我会一直张贴这张票。

【解决方案2】：

好吧，solr 的夜间快照使用 PDFBox 1.3.1，而不是当前使用 0.7.* 的稳定版本，这是相当多的修订更改。

我可以使用这个 solr 的快照版本来索引所有的 pdf。在我看来，这将是在下一个稳定版本中修复。

【讨论】：