搜索引擎2

solr文件搜索：
1、创建mycore

2、创建data-config.xml文件

在创建的mycore文件夹的conf文件夹下建立data-config.xml文件，具体参见文件夹下solr-8.x.0\example\example-DIH\solr\tika\conf\tika-data-config.xml的内容：

修改文件名myfile-config.xml，修改内容为：

<?xml version="1.0" encoding="UTF-8" ?>
<dataConfig>
    <dataSource type="BinFileDataSource"/>
    <document>
        <entity name="file" processor="FileListEntityProcessor" dataSource="null"
                baseDir="/Users/sunpeizhen/Desktop/file" fileName=".(doc)|(pdf)|(docx)|(txt)|(csv)|(json)|(xml)|(pptx)|(pptx)|(ppt)|(xls)|(xlsx)"
                rootEntity="false">

            <field column="file" name="id"/>
            <field column="fileSize" name="fileSize"/>
            <field column="fileLastModified" name="fileLastModified"/>
            <field column="fileLastModified" name="fileLastModified"/>
            <field column="fileAbsolutePath" name="fileAbsolutePath"/>
            <entity name="pdf" processor="TikaEntityProcessor"
                    url="${file.fileAbsolutePath}" format="text">
                <field column="Author" name="author" meta="true"/>
                <!-- in the original PDF, the Author meta-field name is upper-cased,
                  but in Solr schema it is lower-cased
                 -->
                <field column="title" name="title" meta="true"/>
                <field column="text" name="text"/>
            </entity>
        </entity>
    </document>

</dataConfig>

fileName :（必选）使用正则表达式匹配文件
baseDir : (必选) 文件目录
recursive : 是否递归的获取文件，默认false
rootEntity :在这里必须是false(除非你只想索引文件名)。在默认情况下，document元素下就是根实体了，如果没有根实体的话，直接在实体下面的实体将会被看做跟实体。
对于根实体对应的数据库中返回的数据的每一行，solr都将生成一个document
dataSource :如果你是用solr1.3，那就必须设为"null"，因为它没使用任何dataSourde。不需要在solr1.4中指定它，它只是意味着我们不创建一个dataSource实例。在大多数情况下，
只有一个DataSource（JdbcDataSource），当使用FileListEntityProcessor 的时候DataSource不是必须的
processor:只有当datasource不是RDBMS时才是必须的
onError :默认是"abort"，"skip"表示跳过当前文档，"continue"表示对错误视而不见

3、修改solrconfig.xml文件

solrconfig.xml 690
<requestHandler name="/dataimport" class="solr.DataImportHandler">
   <lst name="defaults">
	<str name="config">myfile-config.xml</str>
   </lst>
</requestHandler>

4、修改managed-schema(中文分词text_ik)

<field name="title" type="text_ik" indexed="true" stored="true"/>
<field name="text" type="text_ik" indexed="true" stored="true" omitNorms ="true"/>
<field name="author" type="string" indexed="true" stored="true"/>
<field name="fileSize" type="plong" indexed="true" stored="true"/>
<field name="fileLastModified" type="pdate" indexed="true" stored="true"/>
<field name="fileAbsolutePath" type="string" indexed="true" stored="true"/>

5、建立依赖的jar包

在mycore下面建立lib文件夹， 然后往lib目录copy一些 DIH依赖的jar包，这些包要么在solr-6.6.0\contrib\extraction\lib下面，要么在solr-6.6.0\dist下面，

样做的好处是每个core依赖的jar包都存放在各自core的子目录下分类存放，更方便管理，全部扔WEB-INF\lib下杂乱无章不好管理。

6、再修改solrconfig.xml文件
增加：

<lib dir="./lib" regex=".*\.jar"/>

7、重启solr,打开浏览器，进入solr导入界面导入pdf、doc、xls、txt、html等数据

8、查询数据