solr系列--导入文件

 

dataimporthandler插件导入pdf
从PDF文件中提取文本进行索引
 首先依然是在solrconfig.xml配置文件中配置dataimport请求处理器，并指定data-config.xml配置文件加载路径：
 
     
      data-config.xml  
     
 


  指定依赖的jar包加载路径：
 


如果该路径没有jar,到dist复制jar包创建目录。
data-config.xml：
导入一个pdf:

   
   
                        url="/xxx.pdf" format="text">
               
               
               
       
   



批量导入pdf:
 
 
 










 

  baseDir表示获取这个文件夹下的文件，fileName支持使用正则表达式来过滤一些baseDir文件夹下你不想被索引的文件，processor是用来生成Entity的处理器，而不同Entity默认会生成不同的Field域。FileListEntityProcessor处理器会根据指定的文件夹生成多个Entity,且生成的Entity会包含fileAbsolutePath, fileSize, fileLastModified, fileName这几个域，recursive表示是否递归查找子目录下的文件，onError表示当出现异常时是否跳过这个条件不处理。


然后我们需要在schema.xml中定义域，
 
   
   


     
     
     
   
   
   
   


       
             
     
 

 

配置完毕,然后重启你的tomcat,执行索引导入