solr 搜索引擎如何添加pdf文档 进行索引

Question

solr 搜索引擎如何添加pdf文档 进行索引
我试过了，可以添加pdf文件，可是只有文件的名称能搜索到，如何我要是通过文件的内容进行搜索呢，该怎么做，请各位指教

Answer 1

该回答引用ChatGPT

要使 Solr 可以索引 PDF 文件的内容，您需要使用适当的提取器 (extractor) 将 PDF 文件的内容提取出来，并将其添加到 Solr 的索引中。Solr 提供了一个名为 Tika 的库，该库可以轻松地提取各种文件格式的内容，包括 PDF。

---

以下是添加 PDF 文件的步骤：

• 确保 Solr 中已经安装了 Tika 提取器。如果没有，请参考 Solr 文档中的指导进行安装。

• 确保 Solr 中已经创建了适当的字段来存储 PDF 文件的内容。例如，您可以创建一个名为 "content" 的字段来存储 PDF 文件的内容。

• 在 Solr 中创建一个新的文档，并使用 Tika 提取器将 PDF 文件的内容添加到 "content" 字段中。以下是一个示例代码片段，可以将 PDF 文件添加到 Solr 索引中：

  curl http://localhost:8983/solr/<your-collection>/update/extract \
  -F "myfile=@<path-to-pdf-file>" \
  -F "literal.id=<unique-id>" \
  -F "literal.type=pdf" \
  -F "fmap.content=content"
  

  其中 是您要索引 PDF 文件的 Solr 集合的名称， 是要添加的 PDF 文件的路径， 是一个唯一的文档 ID，pdf 是文件类型的名称，content 是 Solr 中用于存储 PDF 内容的字段名称。

• 等待 Solr 将新文档添加到索引中。您可以通过查询 Solr 搜索来验证文档是否已成功添加到索引中。例如，您可以执行以下查询来搜索 "content" 字段中包含 "my keyword" 的文档：

  http://localhost:8983/solr/<your-collection>/select?q=content:my+keyword
  

  注意，如果您使用 Solr 的管理界面添加文档，则需要确保已正确配置 Tika 提取器并为 PDF 内容指定正确的字段名称。如果您使用 Solr 的 API 添加文档，则可以使用上面的示例代码片段作为参考。

希望这可以帮助您将 PDF 文件添加到 Solr 索引中并进行搜索。