java文本检索pdf,ElasticSearch7.X解析/存储/检索word、pdf文档

es 5.x以后提供Ingest-Attachment插件管道(Pipeline)，可以解析上百种的office文件，将文档内容存储到es中。其解析能力配合es原有的全文检索能力配合上分词插件，是我们处理文档类型内容的一大利器。

Linux安装Ingest-Attachment插件

安装插件

进入到es安装目录下的bin目录

执行./elasticsearch-plugin install ingest-attachment

集群模式下需要对每个节点进行安装，安装成功后重启该es节点。

该方式需要我们的服务器可以连接互联网

建立Ingest-Attachment通道

以下操作为kibana中操作，且es版本为7.x 其他版本语法有略微差别

PUT _ingest/pipeline/simple_attachment//simple_attachment为管道名字

{

"description": "单文件管道流",//备注

"processors": [

{

"attachment": {

"field": "data",//需要解析的数据key

"properties": [//将文档解析出content内容title标题content_type类型

"content",

"title",

"content