Solr 入门答案 - 爱码网

【问题标题】：Getting started with SolrSolr 入门
【发布时间】：2012-02-06 08:58:19
【问题描述】：

我正在尝试开始使用 Apache Solr，但有些事情我并不清楚。通过阅读tutorial，我设置了一个正在运行的 Solr 实例。我感到困惑的是 Solr 的所有配置（模式等）都是 XML 格式的。当他们添加示例数据时，它显示了如何添加 xml 文档 (java -jar post.jar solr.xml monitor.xml)。这只是样本格式的错误选择吗？我的意思是，他们是在上传描述文档的数据，还是他们正在添加的实际文档是 .xml 文件？

我正在尝试添加一些 .txt 格式的书籍，所以如果我使用 java -jar post.jar mydoc.txt，我会添加吗？我怎样才能添加这个文档和关于它的元数据（作者、标题）？

也就是说，我尝试设置一个简单的 Html 页面来将文档发布到 Solr：

<html>
  <head></head>
<body>
  <form action="http://localhost:8983/solr/update?commit=true" enctype="multipart/form-data" method="post">
    <input type="file">
    <input type="submit" value="Send">
  </form>
</body>
</html>

当我尝试发布文件时，我收到以下回复：

<response>
  <lst name="responseHeader">
    <int name="status">0</int>
    <int name="QTime">26</int>
  </lst>
</response>

这是正确的吗？这是否意味着我已经成功添加了我的文件？如果是这样，文件中的一个单词，例如是“montagna”（这是一本意大利书籍，montagna 的意思是山......）。如果我访问网址

http://localhost:8983/solr/select/?q=montagna&start=0&rows=10&indent=on

我希望返回某些内容（可能是整个文本，或者有关文件的一些信息），但这是我得到的：

<response>
  <lst name="responseHeader">
    <int name="status">0</int>
      <int name="QTime">1</int>
      <lst name="params">
        <str name="indent">on</str>
        <str name="start">0</str>
        <str name="q">montagna</str>
        <str name="rows">10</str>
    </lst>
  </lst>
  <result name="response" numFound="0" start="0"/>
</response>

对我来说似乎不适合。另外，根据to this answer，我应该能够取回与hl.fragsize 匹配的文本。如何将其集成到搜索字符串中？谢谢你

【问题讨论】：

标签： solr lucene full-text-search

【解决方案1】：

solr 示例通过 xml 消息将文档添加到索引中。看看here。您提到的*.xml 是因为文件系统上存储了一些xml 消息。那些xml消息是这样的：

<add>
  <doc>
    <field name="id">UTF8TEST</field>
    <field name="name">Test with some UTF-8 encoded characters</field>
    <field name="manu">Apache Software Foundation</field>
    <field name="cat">software</field>
    <field name="cat">search</field>
    <field name="features">No accents here</field>
    <field name="price">0</field>
    <!-- no popularity, get the default from schema.xml -->
    <field name="inStock">true</field>
  </doc>
</add>

这只是一种表示要索引的任何类型文档的方法。每个文档都包含一个或多个字段，依此类推。向 Solr 添加文档有多种方式，例如它也接受 CSV format，但现在最常见的是 xml 格式。

我认为您实际上并没有索引任何内容。您可以检查此查询的输出：http://localhost:8983/solr/select/?q=*:*，它将检索您在索引中拥有的所有文档。一个常见的错误也是忘记提交，但我看到你在你的 url 中添加了 commit=true 参数，所以这不是你的情况。

如果您只想索引文本文件的内容，例如，您可以使用两个字段定义架构：

文件名
内容

并使用此消息为您的文档编制索引：

<add>
  <doc>
    <field name="filename">test.txt</field>
    <field name="content">Test with some UTF-8 encoded characters</field>
  </doc>
</add>

【讨论】：

【解决方案2】：

理解术语：

Document in solr -> Row in RDBMS
Field of document -> Column of a cell

当然，Solr 核心是数据库和巨大的表，以（可能）稀疏的方式占用。

为了您的（特定）用途，您将为每个文件创建一个文档；由ID、文件内容等组成。

XML 是组合 solr 操作的一种方式。 http://wiki.apache.org/solr/UpdateXmlMessages

它具有添加、删除、提交和优化操作。添加操作包括一个或多个文档。

<add>
  <doc>
    <field name="employeeId">05991</field>
    <field name="office">Bridgewater</field>
    <field name="skills">Perl</field>
    <field name="skills">Java</field>
  </doc>
  [<doc> ... </doc>[<doc> ... </doc>]]
</add>

还有 CSV（仅添加功能）、JSON（完整功能）、DIH（计划的数据库导入）。

还有extracting request handler，可以从各种丰富的文档（DOC、DOCX、PDF）中提取内容（和元数据）。补充：有literal可以设置自己的字段。

提取请求处理程序将其输出存储到字段text。查询解析器q= 和荧光笔假设默认字段（是的，这与您所做的有关）text。您可以为它们指定字段； solr 字段也会在结果中返回给您。

【讨论】：