如何在 solr 查询中排除从 PDF 索引的文本答案

【问题标题】：How to exclude text indexed from PDF in solr query如何在 solr 查询中排除从 PDF 索引的文本
【发布时间】：2017-10-29 06:19:31
【问题描述】：

我有一个从 PDF 文件目录和与 pdf 文件本身相关的元数据字段生成的 solr 索引。不过，我想为我的用户提供一个选项，以在查询中排除从 PDF 中索引的任何文本。这样查询结果将基于元数据字段，而不是受到 pdf 文件中大量文本的影响。

我想过可能有两个索引（核心）——一个带有索引的 pdf 文件，一个没有。

还有其他方法吗？

【问题讨论】：

【解决方案1】：

你可以看field aliases

如果你有 3 个索引字段

然后可以创建两个字段别名

使用字段别名而不是 qf 的一个优点是，如果您的用户有像 q=quicksearch:value 这样的书签，您可以更改快速搜索的别名，而不会影响用户的书签。

【讨论】：

【解决方案2】：

听起来您正在对默认字段进行一般搜索。这意味着您有很多 copyField 指令（或只有一个 copyField * -> 文本），其中包括 PDF 内容字段。

您可以创建第二个目标并将除 PDF 内容字段之外的所有内容复制到该目标中。这样，用户可以搜索或搜索其他组合字段。

但是，请记住，这会根据目标字段的分析链解析所有内容。因此，带有源字段列表的 eDisMax 可能是一种更好的方法。而且，请记住，您可以使用多个请求处理程序（如“选择”）并在那里定义不同的默认参数。这通常会使客户端代码更容易一些。

【讨论】：

【解决方案3】：

您不需要使用 2 个单独的索引。您可以使用edismax 解析器并在查询时指定qf 参数。这将有助于确定要搜索的字段。

【讨论】：