springcloud基于solr8的pdf索引创建

solr8基于tika创建pdf索引

1.在solrconfig.xml添加如下

2.新建data-config.xml并添加如下内容

<?xml version="1.0" encoding="UTF-8" ?>
<dataConfig>
  <dataSource type="BinFileDataSource"/>
  <document>
   <entity name="file" processor="FileListEntityProcessor" dataSource="null"
            baseDir="/home/peiyajie/solr-8.5.2/example/exampledocs" fileName=".*pdf"
            rootEntity="false" onError="skip" recursive="true">
        <field column="fileAbsolutePath" name="id" />
        <field column="fileSize" name="size" />
        <field column="fileLastModified" name="lastModified" />
        <entity name="tika-test" dataSource="bin" processor="TikaEntityProcessor"
                url="${file.fileAbsolutePath}" format="text" onError="skip">                
            <field column="Author" name="author" meta="true"/>
            <field column="title" name="title" meta="true"/>
            <field column="dc:format" name="format" meta="true"/>
            <field column="text" name="content"/>                            
        </entity>      
    </entity>
  </document>
</dataConfig>
说明：file名称的entity是轮询当前文件夹下面所有文件，如果你只导入一个直接用子entity指定绝对路径即可

3.managed-schema添加如下

    <field name="content" type="text_ik" indexed="true" stored="true" omitNorms="true" multiValued="false"/>
<field name="author" type="text_ik" indexed="true" stored="true"/>
<field name="title" type="text_ik" indexed="true" stored="true"/>
<field name="fileName" type="string" indexed="true" stored="true"/>
<field name="filePath" type="string" indexed="true" stored="true" multiValued="false"/>
<field name="size" type="plong" indexed="true" stored="true"/>
<field name="lastModified" type="pdate" indexed="true" stored="true"/>
注意text_ik是上篇文章添加的中文分析器

4.很重要的一步需要将tiak的jar（contrib/extraction/lib）及相关依赖包传入WEB-INF/lib下面

cp /home/peiyajie/solr-8.5.2/contrib/extraction/lib/*.jar  /home/peiyajie/solr-8.5.2/server/solr-webapp/webapp/WEB-INF/lib

如果没有传过，还需要再传

home/peiyajie/solr-8.5.2/dist/solr-dataimporthandler-.*\.jar

即可完成

要不然debug模式会报：

null:java.lang.RuntimeException: java.lang.NoClassDefFoundError: org/apache/tika/parser/Parser

注意：debug模式日志清晰，file就是刚才entity指定的名称