Solr PDF 搜索：“转到页面”功能答案

【问题标题】：Solr PDF search: "Go to page" functionSolr PDF 搜索：“转到页面”功能
【发布时间】：2014-08-20 13:33:51
【问题描述】：

我们正在使用 Solr 和 Lucene 构建 PDF 搜索机器，用户可以在其中搜索 PDF 中的文本。该数据库仅包含 PDF。

在搜索结果页面（“/browse”）中，我们希望在 PDF 文件后面附加#page=X，其中 X 是找到文本的页面。（如果使用锚标记指定，Adobe Acrobat 会自动滚动到特定页面。）

例如，如果我搜索 foobar 并且有一个 pdf 文档，其中 foobar 在第 5 页，则链接应该是 http://pdfserver/pdfs/pdf.pdf#page=5（注意末尾的锚点）。

【问题讨论】：

我不认为我理解你真正想要达到的目标。您想索引 pdf 文件以及您进行的任何搜索以返回匹配文本的页码还是其他内容？
正是如此。因此，如果我搜索“foobar”并且有一个 pdf 文档，其中“foobar”在第 5 页，则链接应该是 pdfserver/pdfs/pdf.pdf#page=5
您找到解决方案了吗？索引大量 PDF 文件时似乎是一项基本要求。
@MrTelly，我使用了#search 解决方案并对搜索词进行 URL 编码。

【解决方案1】：

我发现一个易于实施的解决方案是使用 Adobe Reader 在嵌入 IE 时支持的 #search 参数。

例如：

http://pdfserver/pdfs/pdf.pdf#search=foobar

Adobe Reader 然后跳转到该页面。

当然，我们需要对搜索词进行 URL 编码。

【讨论】：

【解决方案2】：

Apache tika 可以将 PDF 文件转换为结构化数据，供您输入 solr 服务器。

我解决您的问题的方法是为每页的每个 pdf 编制索引，并使用额外的字段链接到章节、文本标题（或绝对路径，或两者）和页码。使用这些数据，您可以在以下位置打开相关文档相关页面。

在此处阅读有关 tika 的更多信息：http://tika.apache.org/

【讨论】：