我们刚刚从 Solr 6.3 升级到 7.5。在不更改架构或配置的情况下，我们尝试索引的几乎每个 pdf 文件都会收到 400 错误。这些是 Solr 6.3 索引没有问题的文件。所有其他类型的复杂文件都像以前一样被索引，只是导致问题的 pdf 文件。
线索 #1：在大约 1900 个 pdf 文件中，只有 2 个被成功处理。我们的大多数 pdf 文件都有主题和标题，但这两个没有。
线索 #2：在控制台日志中，我们看到如下失败消息：RequestHandlerBaseorg.apache.solr.common.SolrException: undefined field: "pdf_docinfo_title"
我在架构中找不到具有该名称的字段。对 pdf_docinfo_title 的谷歌搜索没有发现任何有用的信息。
【问题讨论】：
由于您没有具有该名称的字段，并且没有包罗万象的定义，因此当 Tika 将带有字段 pdf_docinfo_title 的文档交还给 Solr 时，Solr 会拒绝。
由于 Tika 可能会在 Solr 版本之间升级，因此与 6.3 捆绑的旧版本的 Tika 不包含此字段，而与 7.5 捆绑的版本正确提供了它。它代表 pdf 文件的文档标题。
您还可以使用 fmap 参数将 Tika 中的字段映射到架构中的不同字段：
fmap.<source_field>将一个字段名称映射（移动）到另一个字段名称。 source_field 必须是传入文档中的字段，值是要映射到的 Solr 字段。示例：
fmap.content=text使 Tika 生成的内容字段中的数据移动到 Solr 的文本字段。
您也可以使用参数uprefix 让Tika 模块为所有未知字段添加一个公共前缀：
uprefix使用给定前缀为架构中未定义的所有字段添加前缀。这在与动态字段定义结合使用时非常有用。示例：
uprefix=ignored_将有效地忽略 Tika 生成的所有未知字段，因为示例架构包含<dynamicField name="ignored_*" type="ignored"/>
【讨论】：