Solr 或 Nutch 上的最佳 Tika 集成答案

【问题标题】：Best Tika integration on Solr or NutchSolr 或 Nutch 上的最佳 Tika 集成
【发布时间】：2013-08-08 17:46:14
【问题描述】：

假设我已经连接并使用了 Nutch(2.2.1) + Solr (4.3)，Apache Tika 的最佳集成是什么？

我知道 Tika 可以集成到 Nutch 和/或 Solr 中，但哪一个是最好的决定？

【问题讨论】：

你想做什么？你已经有什么代码了？
没有代码，只有配置。一方面，我正在使用 nutch 爬行并使用 solr 进行索引，但我的要求还包括解析 web pdf、office 文档等，因此我需要添加 Tika。我的问题是关于最好的方法，Solr 方面还是 Nutch 方面。

【解决方案1】：

使用 Nutch 设置 Tika 插件，Nutch 将为您解析数据并为您完成所有繁重的工作。

我建议也将其设置在 Solr 上，您可能希望通过 curl 命令将文档发送到 Solr，这也有助于在 Solr 上进行设置。它几乎没有额外的配置，也没有性能成本：

有设置 Tika 和提取请求处理程序 here 的指南

【讨论】：

【解决方案2】：

在 Nutch 的解析阶段应用 tika 解析器。

【讨论】：