我目前正在为我的python程序寻找文本索引器。我列出了Solr，一个Lucene项目，以及原生于python的Whoosh。我搜索了大量关于对doc、docx和pdf文件的支持的文档，Solr不断地向我指出Tika包，其中一个版本与Solr集成。
如果任何包都有内置的支持三种格式的，结果就不用提了。呜呜和索尔支持他们吗？
浏览 1提问于2011-07-16得票数 1
回答已采纳
我使用Solr 6.2.1和ExtractingRequestHandler (已经包含在Solr 6.2.1中)来索引pdf和word文档。根据，我应该有一个非空的内容字段："Tika将所有提取的文本添加到content字段中。“<lib dir="
浏览 9提问于2016-10-20得票数 1
是否可以在google chrome扩展中启动索引服务器(如SOLR)，以便用户可以通过该扩展将文件索引到本地服务器？
浏览 0提问于2017-04-03得票数 0
1回答
我希望索引富类型文档(Pdf，文档，rtf，txt)到Solr。我找到了Tika作为解决方案。我在网上大喊大叫，但没有找到任何文档/链接来让它在ExtractingRequestHandler上工作。任何人都可以提供一步一步的方式来配置ExtractingRequestHandler的Tika。
提前感谢:)
浏览 0提问于2013-07-13得票数 2
回答已采纳
我想读一个word / pdf文档，并在SolR中索引这些文档。据我所知，SolR接受JSON或XML格式，而不是word / pdf /txt文件。在将文档发送到SolR之前，是否需要将word / pdf文档转换为JSON或XML？我最初认为我应该使用Tika，但我的理解是，Tika可以将pdf转换为text，而不是JSON。请你指导如何在Solr中索引好吗？
谢谢你的帮助
浏览 0提问于2016-08-11得票数 3
我在SOLR中用"name“、"title”和"description“字段索引文章。我希望以后能够使用Tika / ExtractingRequestHandler添加一个文件(如Word文档或PDF)。或者通过其他接口)
但是这取代了正确的post (上面的post1) --我是否可以传递一个参数，让它只添加到记录</em
浏览 3提问于2010-07-27得票数 1
我正在与SOLR合作，在这个项目中，我们导入了一堆(~40k项)丰富的文档，主要是import、Powerpoint、Excel和PDF。当使用schema.xml ExtractingRequestHandler**?**时，在SOLR中是否有最佳实践和/或可供使用
我一直在对默认模式进行调整，试图让方面在日期修改时间上工作，但即使没有这些，我也认为很可能存在这样一个很好的例子，说明在Tika的默认输出已经足够时，这些文件应该是怎样的如果没有最佳实践schema.xml和/或solr
浏览 0提问于2011-12-05得票数 5
使用Solr3.6和ExtractionRequestHandler (又名Tika)，是否可以将(PDF的)文本内容映射到减去元数据的字段？不幸的是，Tika生成的" content“字段包含了与文档文本内容相关联的所有元数据。
="<
浏览 0提问于2012-06-04得票数 5
回答已采纳
我正在我的公司做一个需要solr的内部项目，但是我无法将它链接到Tika。我买了apache 4食谱，但是我想不出解决方案。
org.apache.solr.common.SolrExceptionCaused by: org.apach
浏览 4提问于2013-05-02得票数 2
回答已采纳
1回答
tika solr集成
、、、
我正在尝试使用基于curl的请求进行索引curl "http://localhost:8080/solr1/update/extract?literal.id=who.pdf&uprefix=attr_&fmap.content=attr_content&commit=true" -F "myfile=@/root/apache-solr
浏览 2提问于2011-05-31得票数 7
我正在运行Solr4.8.1并使用SimplePostTool (示例\post.jar目录中的post.jar)进行索引。我可以成功地索引xml、json、csv、pdf、doc、docx、ppt、pptx、xls、xlsx文件，但是当尝试索引其他文件类型( .txt，7z .rar .EAP .sql .zip .avi)时，我给出了错误：
"SimplePostTool:警告Solr返回一个错误#400坏请求SimplePostTool:警告: IOException同时读取响应: java.io.IOEx
浏览 1提问于2014-07-01得票数 0
我是Solr的新手，并且一直在学习8.4.0的教程。在使用SolrCloud成功地遵循了techproducts示例之后，我现在尝试使用一种无模式的方法来索引一些PDF文件。为此，我使用了以下内容(同样来自本教程)来索引存储在~/Documents/pdf文件夹中的几个文件： bin/solr create -c localpdf -s 2 - rf 2<title>Error 404 Not Foun
浏览 11提问于2020-01-23得票数 2
回答已采纳
1回答
我们有一个客户正在使用Google Search Appliance (GSA)来搜索数千个PDF文件。PDF文件位于以子文件夹组织的文件共享上。它会定期查找新文件并将其添加到数据库中。例如，他们的GSA不能正确搜索PDF中的竖排文本。我们已经研究了Apache Lucene和Solr，以及Tika和ExtractingRequestHandler。我已经启动并运行了Solr示例，并使用curl添加
浏览 3提问于2014-04-30得票数 1
这在SOLR使用tika是可能的吗？
注意:我不能使用数据导入处理程序，因为传入的请求不是来自单个源，而是通过外部源完成的。
浏览 1提问于2017-03-13得票数 0
回答已采纳
我想为文本文件建立索引。通过大量搜索，我对Apache tika有了更多的了解。现在，在我研究Apache tika的一些站点上，我了解到Apache tika将文本转换为XML格式，然后将其发送到solr。但在转换时，它只创建一个标记示例......现在，我希望索引的文本文件是一个tomcat本地主机访问文件。这个文件是以GB为单位的。我不能存储它和一个索引。这可以在Apache
浏览 3提问于2013-03-19得票数 2
你能将ExtractingRequestHandler和Tika与任何压缩文件格式(zip、tar、gz等)一起使用来提取内容以进行索引吗？
我使用curl向solr发送archived.tar文件。curl“”-H ' content -type:application/octet-stream‘--data-binary "@/home/archived.tar“查询文档时得到的结果是，归档文件中的文件名被索引为&q
浏览 2提问于2010-10-26得票数 0
回答已采纳
1回答
我能够使用Solr索引文档(Word，PDF)。有可能拿回原始文件吗？我想不是，因为Solr只存储一个索引--但是如果我错了，你能纠正我吗？
如果没有--它通常是如何解决的(我的意思是检索原始文档？)
浏览 1提问于2015-10-14得票数 1
回答已采纳
我正在利用solr来提取和索引ExtractingRequestHandler内容。我的问题是它生成的提取链接部分。返回的提取内容在HTML源代码中不存在的地方插入了"rect“。solrconfig单元配置如下： startup="lazy"
class="solr.extraction.ExtractingR
浏览 8提问于2014-03-05得票数 5
2回答
我正在使用solr来索引pdf和doc文件。我正在使用bitnami堆栈() string filecontent = null;
at org.apache.solr.core.SolrResourceLo
浏览 0提问于2013-03-28得票数 1
回答已采纳
正如我将解释的那样，相关的解决方案对我不起作用。(我使用的是Solr 4.0，并对存储在Oracle 11g数据库中的数据进行索引。)他描述了如何创建一个自定义的Transformer，有点像Solr附带的ClobTransformer。这是在走优雅的道路，但没有使用Tika，它现在与Solr集成在一起。另一个相关的解决方案是Solr附带的 (ERH)。但是，顾名思义，这是一个请求处理程序，比如处理富文本文档的HTTP post。以这种方式从数据库中提取文档存在性能和安
浏览 4提问于2013-03-01得票数 4
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
云直播
对象存储
腾讯会议活动推荐
腾讯云开发者
