solr 配置tika 应用

分类： 搜索引擎技术学习笔记2010-08-03 14:52433人阅读评论(0)收藏举报

首先是在solrconfig.xml，添加

[xhtml] view plaincopy?

1. <!-- Solr Cell: http://wiki.apache.org/solr/ExtractingRequestHandler -->  
2.   <requestHandler name="/update/extract" class="org.apache.solr.handler.extraction.ExtractingRequestHandler" startup="lazy">  
3.     <lst name="defaults">  
4.       <!-- All the main content goes into "text"... if you need to return  
5.            the extracted text or do highlighting, use a stored field. -->  
6.       <str name="fmap.content">text</str>  
7.       <str name="lowernames">true</str>  
8.       <str name="uprefix">ignored_</str>  
9.         <!-- capture link hrefs but ignore div attributes -->  
10.      </lst>  
11.   </requestHandler>  

然后在%solr_home%/lib目录下添加扩展包：

从下载的solr项目中将

dist/apache-solr-cell-*.jar，

contrib/extraction/lib目录下的所有jar包，

加入到%solr_home%/lib.

运行solr:

使用solrj客户端编写相关的提交文档跟查询结果的代码 ：如下



[c-sharp] view plaincopy?
public void testTika() throws Exception {  
    CommonsHttpSolrServer server = new CommonsHttpSolrServer(solrUrlString);  
    ContentStreamUpdateRequest up = new ContentStreamUpdateRequest(  
            "/update/extract");  
    up.addFile(new File("tutorial.html"));  
    up.setParam("literal.id", "id");  
    up.setAction(AbstractUpdateRequest.ACTION.COMMIT, true, true);  
    server.request(up);  
    QueryResponse rsp = server.query(new SolrQuery("*:*"));  
    System.out.println(rsp.getResults().getNumFound());  
  
}