SOLR Cell 如何添加文档内容？答案

【问题标题】：How does SOLR Cell add document content?SOLR Cell 如何添加文档内容？
【发布时间】：2017-03-13 17:57:15
【问题描述】：

SOLR 有一个名为 Cell 的模块。它使用 Tika 从文档中提取内容并使用 SOLR 对其进行索引。

从https://github.com/apache/lucene-solr/tree/master/solr/contrib/extraction 的来源中，我得出结论，Cell 将提取的原始文本文档文本放入名为“内容”的字段中。该字段由 SOLR 索引，但不存储。当您查询文档时，“内容”不会出现。

我的 SOLR 实例没有架构（我保留了默认架构）。

我正在尝试使用默认的UpdateRequestHandler（POST 到/solr/corename/update）来实现类似的行为。 POST 请求如下：

<add commitWithin="60000">
    <doc>
        <field name="content">lorem ipsum</field>
        <field name="id">123456</field>
        <field name="someotherfield_i">17</field>
    </doc>
</add>

使用以这种方式添加的文档，content 字段被索引并存储。它出现在查询结果中。我不想这样；太浪费空间了。

关于 Cell 添加文档的方式我缺少什么？

【问题讨论】：

标签： solr solr-cell

【解决方案1】：

如果您不希望您的字段存储内容，则必须将字段设置为 stored="false"。

由于您使用的是无模式模式（仍有模式，只是在添加新字段时动态生成），您必须使用Schema API 来更改字段。

你可以do this by issuing a replace-field command:

curl -X POST -H 'Content-type:application/json' --data-binary '{
  "replace-field":{
  "name":"content",
  "type":"text",
  "stored":false }
}' http://localhost:8983/solr/collection/schema

您可以通过向/collection/schema/fields 发出请求来see the defined fields。

【讨论】：

我已经完成了查询。 content 字段在那里，但它没有 stored=false。还有一个名为_text_ 的字段确实有stored=false。但是，我在单元格来源中找不到对 _text_ 的任何引用...

【解决方案2】：

Cell 代码确实将内容作为content 添加到文档中，但是有一个内置的字段翻译规则将content 替换为_text_。在无模式 SOLR 中，_text_ 被标记为不用于存储。

该规则由SolrContentHandler.addField() 中的以下行调用：

String name = findMappedName(fname);

在 params 对象中，有一条规则，fmap.content 应该被视为_text_。它来自corename\conf\solrconfig.xml，默认情况下有以下片段：

<requestHandler name="/update/extract"
              startup="lazy"
              class="solr.extraction.ExtractingRequestHandler" >
  <lst name="defaults">
    <str name="lowernames">true</str>
    <str name="fmap.meta">ignored_</str>
    <str name="fmap.content">_text_</str> <!-- This one! -->
  </lst>
</requestHandler>

同时，在 corename\conf\managed_schema 中有一行：

<field name="_text_" type="text_general" multiValued="true" indexed="true" stored="false"/>

这就是整个故事。

【讨论】：