solr---检查pdf word txt实现原理

1.将 pdf文件上传到solr，然后解析，索引，最后查询

一：首先建立Core

在core下面新建lib文件夹，存放相关的jar包，如图所示：

lib文件夹打开所示，这些类库在solr6.2.1解压之后都能找到：

修改solrconfig.xml,把刚刚建的lib文件夹下的jar包引入

增加配置，如果有则不用添加：

配置managed-schema文件：

 

 

二：Java代码solrj操作（6.2.1版本） 

 package com.journal.controller;

import java.io.File;

import java.io.IOException;

import org.apache.solr.client.solrj.SolrQuery;

import org.apache.solr.client.solrj.SolrServer;

import org.apache.solr.client.solrj.SolrServerException;

import org.apache.solr.client.solrj.impl.HttpSolrServer;

import org.apache.solr.client.solrj.request.AbstractUpdateRequest;

import org.apache.solr.client.solrj.request.ContentStreamUpdateRequest;

import org.apache.solr.client.solrj.response.QueryResponse;

/**

* 从PDF创建索引 <功能详细描述>

*

* @author Administrator

* @version [版本号, 2014年3月18日]

* @see [相关类/方法]

* @since [产品/模块版本]

*/

public class test {

public static void main(String[] args) {

String fileName = "d:/606-011.pdf";

String solrId = "606-011.pdf";

try {

indexFilesSolrCell(fileName, solrId);

} catch (IOException e) {

e.printStackTrace();

} catch (SolrServerException e) {

e.printStackTrace();

}

}

/**

* 从文件创建索引 <功能详细描述>

*

* @param fileName

* @param solrId

* @see [类、类#方法、类#成员]

*/

public static void indexFilesSolrCell(String fileName, String solrId)

throws IOException, SolrServerException {

String urlString = "http://localhost:8983/solr/core";

SolrServer solr = new HttpSolrServer(urlString);

ContentStreamUpdateRequest up = new ContentStreamUpdateRequest("/update/extract");

String contentType = "application/pdf";

up.addFile(new File(fileName), contentType);

up.setParam("literal.id", solrId);

up.setParam("uprefix", "attr_");

up.setParam("fmap.content", "attr_content");

up.setAction(AbstractUpdateRequest.ACTION.COMMIT, true, true);