Solr 4.4.0利用dataimporthandler导入本地pdf、word等文档
1. 创建本地目录
- $ mkdir /usr/local/contentplatform/solr/solr/core1/file1
- $ ls -lh
- total 88M
- -rw-r--r-- tnuser appuser 14M May : apache_hbase_reference_guide.pdf
- -rw-r--r-- tnuser appuser 7.4M Apr : Architecting_HBase_Applications.pdf
- -rw-r--r-- tnuser appuser 14M Jan Cloudera_Hadoop_Test_Cases.docx
- -rw-r--r-- tnuser appuser 6.6M Apr : HBase_Administration_Cookbook.pdf
- -rw-r--r-- tnuser appuser 2.1M Apr : HBase_Essentials.pdf
- -rw-r--r-- tnuser appuser 25M Apr : Hbase-HBase实战.pdf
- -rw-r--r-- tnuser appuser 7.9M Nov HBase.in.Action.pdf
- -rw-r--r-- tnuser appuser 13M Apr : HBase:The_Definitive_Guide.pdf
2. 在core的conf目录修改配置文件solrconfig.xml配置dataimport请求处理器
- <requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">
- <lst name="defaults">
- <str name="config">data-config.xml</str>
- </lst>
- </requestHandler>
3. 在conf目录新建data-config.xml文件并添加数据源的引用
- <dataConfig>
- <dataSource name="fileDataSource" type="fileDataSource" />
- <dataSource name="binFileDataSource" type="BinFileDataSource" />
- <document>
- <entity
- name="file1"
- datasource="fileDataSource"
- processor="FileListEntityProcessor"
- baseDir="/usr/local/contentplatform/solr/solr/core1/file1"
- fileName=".*\.(pdf)|(doc)|(docx)|(ppt)|(pptx)|(xls)|(xlsx)|(odf)|(txt)|(rtf)|(html)|(htm)|(jpg)|(csv)"
- onError="skip"
- recursive="true"
- rootEntity="false">
- <field column="file" name="id" />
- <field column="fileSize" name="size" />
- <field column="fileAbsolutePath" name="filepath" />
- <field column="fileLastModified" name="lastModified" />
- <entity
- name="documentImport1"
- processor="TikaEntityProcessor"
- url="${file1.fileAbsolutePath}"
- format="text"
- datasource="binFileDataSource"
- onError="skip"
- recursive="true">
- <field column="Author" name="author" meta="true"/>
- <field column="title" name="title" meta="true"/>
- <field column="text" name="text"/>
- </entity>
- </entity>
- </document>
- </dataConfig>
4.修改conf目录下的schema.xml文件,添加以下内容
- <field name="fileLastModified" type="date" indexed="true" stored="true"/>
- <field name="fileAbsolutePath" type="string" indexed="true" stored="true"/>
5. 重新加载配置文件
6. 通过DIH导入本地的文件
6. 查看导入的文档
- {
- "responseHeader": {
- "status": ,
- "QTime": ,
- "params": {
- "indent": "true",
- "q": "*:*",
- "_": "",
- "wt": "json"
- }
- },
- "response": {
- "numFound": ,
- "start": ,
- "docs": [
- {
- "id": "Hbase-HBase实战.pdf",
- "title": [
- "HBASE 实战=HBASE IN ACTION"
- ],
- "author": "(美)NICK DIMIDUK著;谢磊译",
- "author_s": "(美)NICK DIMIDUK著;谢磊译",
- "_version_":
- },
- {
- "id": "apache_hbase_reference_guide.pdf",
- "title": [
- "Apache HBase ™ Reference Guide"
- ],
- "author": "Apache HBase Team",
- "author_s": "Apache HBase Team",
- "_version_":
- },
- {
- "id": "Architecting_HBase_Applications.pdf",
- "title": [
- "Architecting HBase Applications"
- ],
- "author": "Jean-Marc Spaggiari & Kevin O'Dell",
- "author_s": "Jean-Marc Spaggiari & Kevin O'Dell",
- "_version_":
- },
- {
- "id": "HBase_Administration_Cookbook.pdf",
- "_version_":
- },
- {
- "id": "HBase_Essentials.pdf",
- "title": [
- ""
- ],
- "author": "",
- "author_s": "",
- "_version_":
- },
- {
- "id": "HBase.in.Action.pdf",
- "title": [
- "HBase in Action"
- ],
- "author": "Nick Dimiduk, Amandeep Khurana",
- "author_s": "Nick Dimiduk, Amandeep Khurana",
- "_version_":
- },
- {
- "id": "HBase:The_Definitive_Guide.pdf",
- "title": [
- "HBase: The Definitive Guide"
- ],
- "author": "Lars George",
- "author_s": "Lars George",
- "_version_":
- },
- {
- "id": "Cloudera_Hadoop_Test_Cases.docx",
- "author": "FeiLong, Li [DBA]",
- "author_s": "FeiLong, Li [DBA]",
- "_version_":
- }
- ]
- }
- }
Solr 4.4.0利用dataimporthandler导入本地pdf、word等文档的更多相关文章
- Solr 4.4.0利用dataimporthandler导入postgresql数据库表
将数据库edbstore的edbtore schema下的customers表导入到solr 1. 首先查看customers表字段信息 edbstore=> \d customers Tabl ...
- 【工具篇】利用DBExportDoc V1.0 For MySQL自动生成数据库表结构文档
对于DBA或开发来说,如何规范化你的数据库表结构文档是灰常之重要的一件事情.但是当你的库,你的表排山倒海滴多的时候,你就会很头疼了. 推荐一款工具DBExportDoc V1.0 For MySQL( ...
- 利用DBExportDoc V1.0 For MySQL自动生成数据库表结构文档
对于DBA或开发来说,如何规范化你的数据库表结构文档是灰常之重要的一件事情.但是当你的库,你的表排山倒海滴多的时候,你就会很头疼了. 推荐一款工具DBExportDoc V1.0 For MySQL( ...
- idea导入项目报错:文档中根元素前面的标记必须格式正确
今天从git上面导入项目之后,由于是上周刚刚提交过的,本地也没有什么修改,于是就从gitlab上面直接下载下来了.可是项目启动时候,报错了... 文档中根元素前面的标记必须格式正确 想想 原来是上次提 ...
- 利用sphinx为python项目生成API文档
sphinx可以根据python的注释生成可以查找的api文档,简单记录了下步骤 1:安装 pip install -U Sphinx 2:在需要生成文档的.py文件目录下执行sphinx-apido ...
- 利用Swagger2自动生成对外接口的文档
一直以来做对外的接口文档都比较原始,基本上都是手写的文档传来传去,最近发现了一个新玩具,可以在接口上省去不少麻烦. swagger是一款方便展示的API文档框架.它可以将接口的类型最全面的展示给对方开 ...
- 利用node 剥取其他网站的文档数据结构 ---
1.如何利用nodejs获取其他网站的文档结构呢 以下是代码演示------! //首先需要引入一些核心模块 var http = require('http'); var fs = require( ...
- Asp.Net Core2.0 WebAPI 使用Swagger生成漂亮的接口文档
1.引用NuGet: Swashbuckle.AspNetCore.Swagger Swashbuckle.AspNetCore.SwaggerGen 或 <PackageReference I ...
- Confluence-6.10.0+Jira-7.13+Crowd-3.2.1最全破解文档,附下载包
=========================================2019.4.19更改================================================ ...
随机推荐
- Git 删除本地保存的账号和密码
使用git在本地拉过一次代码时候git会自动将用户名密码保存到本地. 导致想用别的用户名和密码拉代码时没有权限,这时需要删除或者修改git在本地保存的账户名和密码. 具体办法如下: 1.控制面板--& ...
- datetime模块的常用总结
datetime模块 datetime模块提供了一些处理日期和时间的标准库.常用的有 datetime timedelta timezone 构造一个datetime对象 datetime() dat ...
- Acwing:137. 雪花雪花雪花(Hash表)
有N片雪花,每片雪花由六个角组成,每个角都有长度. 第i片雪花六个角的长度从某个角开始顺时针依次记为ai,1,ai,2,…,ai,6ai,1,ai,2,…,ai,6. 因为雪花的形状是封闭的环形,所以 ...
- C++入门经典-例2.13-左移运算
1:代码如下: // 2.13.cpp : 定义控制台应用程序的入口点. // #include "stdafx.h" #include<iostream> using ...
- .tcc文件
今天看源码时碰到一个MemoryPool.h文件和MemoryPool.tcc文件,毫不犹豫在vs工程下把.tcc加到了源文件文件夹下, 把.h文件放到了头文件文件夹下.结果闹了笑话: 以下是解释, ...
- LeetCode 3. 无重复字符的最长子串(Longest Substring Without Repeating Characters)
题目描述 给定一个字符串,找出不含有重复字符的最长子串的长度. 示例: 给定 "abcabcbb" ,没有重复字符的最长子串是 "abc" ,那么长度就是3. ...
- 二、Smarty中的三种主要变量
1.从PHP中分配的变量 $smarty -> assign(); 从PHP分配给模板使用的变量:动态变量 2.从配置文件中读取的变量 $smarty配置文件中的内容不是PHP读取,而是就在sm ...
- MobileNets: Efficient Convolutional Neural Networks for Mobile Vision Applications
1. 摘要 作者提出了一系列应用于移动和嵌入式视觉的称之为 MobileNets 的高效模型,这些模型采用深度可分离卷积来构建轻量级网络. 作者还引入了两个简单的全局超参数来有效地权衡时延和准确率,以 ...
- Android ConstraintLayout 约束布局属性
常用方法总结 layout_constraintTop_toTopOf // 将所需视图的顶部与另一个视图的顶部对齐. layout_constraintTop_toBottomOf // 将所需视图 ...
- GO自定义类型与指针
指针 定义:将地址形象化的称为“指针”.将地址形象化的称为“指针”.意思是通过它能找到以它为地址的内存单元.一个指针变量指向了一个值的内存地址.意思是通过它能找到以它为地址的内存单元.一个指针变量指向 ...