使用 /solr/update 进行索引时如何提升 SOLR 文档

Question

为了索引我的网站，我有一个 Ruby 脚本，它会生成一个 shell 脚本，将我的文档根目录中的每个文件上传到 Solr。 shell 脚本有很多行如下所示：

  curl -s \
 "http://localhost:8983/solr/update/extract?literal.id=/about/core-team/&commit=false" \
 -F "myfile=@/extra/www/docroot/about/core-team/index.html"

...结尾是：

curl -s http://localhost:8983/solr/update --data-binary \
'<commit/>' -H 'Content-type:text/xml; charset=utf-8'

这会将我的文档根目录中的所有文档上传到 Solr。我使用tika and ExtractingRequestHandler 将各种格式的文档（主要是 PDF 和 HTML）上传到 Solr。

在生成这个 shell 脚本的脚本中，我想根据它们的 id 字段（a/k​​/a url）是否匹配某些正则表达式来提升某些文档。

假设这些是提升规则（伪代码）：

boost = 2 if url =~ /cool/
boost = 3 if url =~ /verycool/
# otherwise we do not specify a boost

将索引时间提升添加到我的 http 请求的最简单方法是什么？

我试过了：

curl -s \
 "http://localhost:8983/solr/update/extract?literal.id=/verycool/core-team/&commit=false" \
 -F "myfile=@/extra/www/docroot/verycool/core-team/index.html" \
 -F boost=3

和：

curl -s \
 "http://localhost:8983/solr/update/extract?literal.id=/verycool/core-team/&commit=false" \
 -F "myfile=@/extra/www/docroot/verycool/core-team/index.html" \
 -F boost.id=3

搜索结果的顺序都没有改变。我想要的是提升结果在搜索结果中排在首位，无论用户搜索什么（当然前提是文档包含他们的查询）。

我了解，如果我以 XML 格式发布，我可以为整个文档或特定字段指定提升值。但是如果我这样做，则不清楚如何将文件指定为文档内容。实际上，tika page 提供了一个部分示例：

curl "http://localhost:8983/solr/update/extract?literal.id=doc5&defaultField=text" \
--data-binary @tutorial.html -H 'Content-type:text/html'

但同样不清楚在哪里/如何指定我的提升。我试过了：

curl \ 
"http://localhost:8983/solr/update/extract?literal.id=mydocid&defaultField=text&boost=3"\
--data-binary @mydoc.html -H 'Content-type:text/html'

和

curl \ 
"http://localhost:8983/solr/update/extract?literal.id=mydocid&defaultField=text&boost.id=3"\
--data-binary @mydoc.html -H 'Content-type:text/html'

两者都没有改变搜索结果。

有没有办法只更新文档（不是特定字段）的 boost 属性而不改变文档内容？如果是这样，我可以分两步完成我的目标： 1）像我一直在做的那样上传/索引文件 2) 为某些文档指定 boost

Answer 1

要在 Solr 中索引文档，您必须将其发布到 /update 处理程序。要索引的文档放在 POST 请求的正文中。通常，您必须使用xml format format of Solr。使用该 xml，您可以将提升值添加到特定字段或整个文档。