簡介

solr可以對檔案資料進行解析，提取可索引內容進行建立索引，底層實現是依賴apache Tika的，Tika利用現有的解析類庫，從不同格式的文件中（例如HTML，PDF，Doc），偵測和提取出元資料和結構化內容，然後交由solr建立索引。

新增檔案資料索引例子

首先要保證你的solr版本在1.4以上，然後進入到進入到檔案所在的目錄，然後使用curl命令，把檔案資料新增到solr中即可。

cd site/html
curl "http://localhost:8080/solr/update/extract?literal.id=doc1&commit=true" -F "[email protected]
 
"

從傳送的請求中我們可以看到請求的uri為/update/extract，回顧一下前面講解提到的SolrRequestHandler，我們從solrconfig.xml檔案中找到如下配置。

喜歡鑽研的同學就可以看看ExtractingRequestHandler實現。

  <requestHandler name="/update/extract" 
                  startup="lazy"
                  class="solr.extraction.ExtractingRequestHandler" >
    <lst name="defaults">
      <str name="lowernames">true</str>
      <str name="uprefix">ignored_</str>

      <!-- capture link hrefs but ignore div attributes -->
      <str name="captureAttr">true</str>
      <str name="fmap.a">links</str>
      <str name="fmap.div">ignored_</str>
    </lst>
  </requestHandler>
 

另外，細心的同學可以看到提交的url中還有一個引數commit=ture。這個引數是用來告訴solr，是否提交索引，如果你是批量檔案資料，應該等所有的檔案都上傳了再傳這個commit=ture的引數，一起更新索引。

現在你就可以使用http://localhost:8080/solr/select?q=tutorial來搜尋剛才提交的資料了。

新增的過程中，可能會報錯：lazy loading error，這個報錯是由於SOLR_HOME/collection1\confs/olrconfig.xml檔案的如下配置沒有找到對應的lib目錄

  <lib dir="../../../contrib/extraction/lib" regex=".*\.jar" />
  <lib dir="../../../dist/" regex="solr-cell-\d.*\.jar" />

  <lib dir="../../../contrib/clustering/lib/" regex=".*\.jar" />
  <lib dir="../../../dist/" regex="solr-clustering-\d.*\.jar" />

  <lib dir="../../../contrib/langid/lib/" regex=".*\.jar" />
  <lib dir="../../../dist/" regex="solr-langid-\d.*\.jar" />

  <lib dir="../../../contrib/velocity/lib" regex=".*\.jar" />
  <lib dir="../../../dist/" regex="solr-velocity-\d.*\.jar" />
 

把需要的lib檔案目錄拷貝到這個相對路徑下即可，或者直接指定絕對路徑也可以，這些lib目錄可以在solr解壓的包的根目錄下找到。

使用solrj新增

當然，在平時開發中我們比較少使用命令的方式提交資料，下面為大家講解一下怎麼使用solrj提交檔案資料。沿用上面的例子，程式碼非常簡單，server物件的說明請參考前面的章節。

		ContentStreamUpdateRequest up = new ContentStreamUpdateRequest("/update/extract");
		up.addFile(new File("tutorial.html"),"text/html");
		up.setParam("literal.id", "testSolrHtml001");
		up.setAction(org.apache.solr.client.solrj.request.AbstractUpdateRequest.ACTION.COMMIT, true, true);
		NamedList<Object> result = server.request(up);