solr使用tika创建文件索引（小白版，流程很详细）

前言

  最近在做一个文件系统，使用solr搜索文档资料关键字已经不能满足需求了，有的用户可能只记住了文档内容的某个关键字，所以需要做一个文档的全文搜索，本章写的是使用tika创建文档索引，利用数据导入处理程序（Data Import Handler），（不建议大家利用tika在java中读取文件内容然后在上传到solr上，这样会影响效率，而且淘宝卖商品，新出的商品也不会马上搜索的到，而是人工去读取操作，或者定时去读取）

                                                                                    (我也是一个初学者，写的不好莫怪...如果有不好的地方欢迎评论区评教)

tika理解

  从我对tika的实践和api的认知...tika有着多种文件处理机制，可以把支持的文件内容读取到内存中.solr就是利用tika的读取，把文件内容写道变量域字段中，查询的时候还是跟普通索引一样的查询，这是我小白的理解.

配置tika操作

    解压的solr下面有一个pdf文档solr-word.pdf，文件位置： solr-7.2.1/example/exampledocs/solr-word.pdf，内容如下：

     内容就一段话

增加字段域

   这里就不说怎么创建core了，如果看这篇文章还不知道怎么创建core的话，还是先去入门吧.

   增加字段：vim vim /usr/local/solr-7.2.1/server/solr/document/conf/managed-schema

   

  

   <field name="fileName" type="string" indexed="true" stored="true"/>

   <field name="content" type="string" indexed="true" stored="true"/>

   说明：content是存储文件内容的，filename存储文件名

修改solrconfig.xml，补充DIH 配置：

    编辑：vim /usr/local/solr-7.2.1/server/solr/document/conf/solrconfig.xml

    添加内容：

                   

<requestHandler name="/dataimport" class="org.apache.solr.handler.dataimport.DataImportHandler">
                         <lst name="defaults">
　　                              <str name="config">data-config.xml</str>
　  　                </lst>
                   </requestHandler>

添加data-config.xml文件

     由于将使用额外定位的实体处理器（TikaEntityProcessor），所以需要修改加载DIH库的（配置）

     在solrconfig.xml文件的同级目录下创建一个data-config.xml文件

     vim data-config.xml

<dataConfig>
        <dataSource name="tikaS" type="BinFileDataSource" />
        <document>
			<entity name="tika_file" dataSource="tikaS" processor="TikaEntityProcessor" url="/usr/local/src/upload/document/${dataimporter.request.filename}" format="text">
				<field column="Author" name="author" meta="true"></field>
				<field column="title" name="title" meta="true"></field>
				<field column="text" name="content"></field>
			</entity>
        </document>
</dataConfig>

  ${dataimporter.request.filename}是外面传入的参数

 重启solr：/usr/local/solr-7.2.1/bin/./solr restart -p 9023 -force

 导入文件生成文件内容索引

 

好了