如何在 Web 应用程序中集成数据库搜索和 pdf 搜索？

Question

我有一个带有自定义搜索引擎的 jsp Web 应用程序。

搜索引擎基本上建立在 SQL Server 数据库的“文档”表之上。

举例来说，每条文档记录都有三个字段：

• 文档编号
• “描述”（文本字段）
• 'attachment'，一个pdf文件在文件系统中的路径。

搜索引擎实际上是在描述字段中搜索关键字，并在 HTML 页面中返回结果列表。现在我什至想在pdf文件内容中搜索关键字。

我正在研究 Lucene、Tika、Solr，但我不明白如何将这些框架用于我的目标。

一个可能的解决方案：使用 Tika 提取 pdf 内容并存储在一个新的文档表字段中，这样我就可以在这个字段上编写 SQL 查询。

还有更好的选择吗？ 我可以将 Solr/Lucene 索引功能用作基于 SQL 的搜索引擎的集成，而不是完全替代它吗？

谢谢

Answer 1

我认为 Lucene 完全独立于 SQL 数据库，即您不会使用 SQL/jdbc/whatever DB 来查询 Lucene，而是使用它自己的 API 和自己的数据存储。

您当然可以使用 Tika 来提取 pdf 的全文，存储它，然后使用您的 SQL DB 提供的任何内容。全文搜索能力。

如果您使用的是 Hibernate，Hibernate Search 是一款出色的产品，它集成了 SQL 存储和 Lucene。但是您必须采用 Hibernate/JPA 方式，这对您的项目来说可能是多余的。