solr进阶四：创建文件索引

索引数据源并不会一定来自于数据库、XML、JSON、CSV这类结构化数据，很多时候也来自于PDF、word、html、word、MP3等这类非结构化数据，从这类非结构化数据创建索引，solr也给我们提供了很好的支持，利用的是apache tika。

下面我们来看看在solr4.10中如何从pdf文件创建索引。

先配置文件索引

新建core，存储文件型索引，具体步骤参考：

http://blog.csdn.net/u011439289/article/details/41699009

导入jar包

在工作目录下新建一个extract文件夹，用来存放solr扩展的jar包。

\solr_tomcat\solr\pdf_core\extract

拷贝\solr-4.10.2\dist下的solr-cell-4.10.2.jar到extract文件夹中，接着把

\solr-4.10.2\contrib\extraction\lib下的索引jar包拷贝到extract文件夹中。

配置solrconfig.xml

添加请求解析配置：

<requestHandler name="/extract" class="solr.extraction.ExtractingRequestHandler" >  
       <lst name="defaults">  
        <str name="fmap.content">text</str>  
        <str name="lowernames">true</str>  
        <str name="uprefix">attr_</str>  
        <str name="captureAttr">true</str>  
       </lst>  
</requestHandler>

指定依赖包位置：

<span style="font-size:18px;"><lib dir="extract" regex=".*\.jar" /></span>

注意，这个相对位置不是相对于配置文件所在文件夹位置，而是相对core主目录的。比如我的配置文件在\solr_tomcat\solr\pdf_core\conf， 但是我的jar包在\solr_tomcat\solr\pdf_core\extract那么我的相对路径就是extract而不是../extract。

配置schema.xml，配置索引字段的类型，也就是field类型。

其中text_general类型我们用到2个txt文件（stopwords.txt、synonyms.txt），这2个txt文件在发布包示例core