如何打印与 solr 7.6.0 中的搜索查询匹配的 pdf 的实际内容答案

【问题标题】：How to print the actual content of a pdf which matches the search query in solr 7.6.0如何打印与 solr 7.6.0 中的搜索查询匹配的 pdf 的实际内容
【发布时间】：2019-02-04 09:09:19
【问题描述】：

我使用的 solr 版本是 7.6.0（无模式模式）。我尝试使用默认提供的 Post 实用程序 jar 来索引几个 PDF 文档。现在，当我进行查询时，包含查询字符串的文件的详细信息会正确显示。但我看不到任何显示文件实际内容的字段。我的 Solrconfig.xml 的请求处理程序如下所示

<requestHandler name="/update/extract" startup="lazy" class="solr.extraction.ExtractingRequestHandler" >
    <lst name="defaults">
      <str name="uprefix">ignored_</str>
      <str name="fmap.a">ignored_</str>
      <str name="fmap.div">ignored_</str>
      <str name="fmap.content">text</str>
      <str name="captureAttr">true</str>
      <str name="lowernames">true</str>
      <bool name="ignoreTikaException">true</bool>
    </lst>
</requestHandler>

发布用于索引的 pdf 文件时，自动生成的 managed-schema.xml 文件中不包含任何“内容”字段。此外，在查询时，仅显示文件的元数据，如 id、日期、标题、内容类型、流大小、作者等，但不突出显示实际内容信息。请澄清。 "http://localhost:8983/solr/TestCore6/select?hl=on&q=mars&wt=json"

【问题讨论】：

您是否共享托管架构文件？内容字段是否在字段定义中有stored=true？
hl.fl 指定要突出显示的字段列表。
谢谢阿比吉特！但在我的 managed-schema.xml 文件中，没有仅生成内容的文件。相反，还有其他字段，如下所示：
您要搜索哪个字段？
CarsH.pdf：现代集团是一家总部位于首尔的韩国商业集团。本田汽车是日本上市的跨国集团公司 CarsS.pdf：SWIFT 是全球领先的安全金融信息服务提供商。了解我们如何追求卓越运营。问题：我的两个 pdf 字段都已编入索引。现在，当我尝试将查询“q”作为“现代”提供时，从管理控制台检索正确文件 CarsH.pdf 的元数据，其中包含文件名、作者、标题等详细信息，但不是该段落几行的原始内容。

标签： pdf post solr apache-tika

【解决方案1】：

如果您能够执行搜索并且如果它是突出显示的问题，那么还有其他参数可以考虑突出显示。

hl.fl 指定要突出显示的字段列表。接受以逗号或空格分隔的字段列表，Solr 应为其生成突出显示的 sn-ps。

hl.fragsize 指定要考虑突出显示的片段的大致大小（以字符为单位）。 0 表示不应考虑分片，应使用整个字段值。默认为 100。

下面是所有参数列表的链接。您需要检查哪一个适用并适用于您的情况。

Highlighting in solr

【讨论】：

感谢您提供详细信息 Abhijeet！我已经经历了突出显示的概念并且有点困惑。在搜索查询期间没有检索到任何与内容相关的字段，突出显示会有帮助吗？因为当我对索引文档进行搜索“查询字符串”时，它没有显示实际内容。它仅显示文档元数据字段。但我的问题是它应该像谷歌一样显示一个与查询字符串匹配的段落。请澄清我是否走错了方向。谢谢！

【解决方案2】：

这是帮助解决我的问题的解决方案：

schema 中的“text”字段默认带有stored="false"。该字段必须为真才能显示内容信息。

参考链接：Solr query in a pdf file, is not returning highlighting content

【讨论】：