solr cell/Tikaメタデータを使用してファイルをインポートすると、複数値のエラーが発生する

Question

Solr CELとTikaを使用してSolr 5.4.1でドキュメントのインデックスを作成しようとしています。私は、デフォルトの設定を使用していますが、私は私のドキュメントをインポートするとき、私はこのエラーを取得しています：ここで

multiple values encountered for non multiValued field meta: 

は、エラーに関連するログがあると私はSolrのに提供していたデータを見ることができます。ここで

125973 INFO (qtp840863278-17) [ x:fusearchiver] o.a.s.c.PluginBag Going to create a new requestHandler with {type = requestHandler,name = /update/extract,class = solr.extraction.ExtractingRequestHandler,args = {defaults={lowernames=true,uprefix=ignored_,captureAttr=true,fmap.a=links,fmap.div=ignored_}}} 

127134 INFO (qtp840863278-17) [ x:fusearchiver] o.a.s.u.p.LogUpdateProcessorFactory [fusearchiver] webapp=/solr path=/update/extract params={literal.archiveDate_dt=Mon+Apr+03+21:16:48+EDT+2017&literal._accountId=2&literal.categories=taxes&literal.categories=5498&literal.id=b5701a36-0dec-4746-bb5d-3c307a557cd7&literal._batchId=25&literal._type=document&literal._filename=2016-0664-Form-5498.pdf&literal._employeeNumber=1411&wt=javabin&literal._employeeFuseId=1&literal.effectiveDate_dt=Sat+Dec+31+00:00:00+EST+2016&literal._json={"accountId":2,"archiveDate":1491268608431,"batchId":25,"categories":["taxes","5498"],"effectiveDate":1483160400000,"employeeFuseId":1,"employeeNumber":"1411","fileName":"2016-0664-Form-5498.pdf","id":"b5701a36-0dec-4746-bb5d-3c307a557cd7","imageUrl":null,"path":"2016-0664-Form-5498.pdf","uploadedBy":null,"url":null}&version=2} {} 0 1161 

127135 ERROR (qtp840863278-17) [ x:fusearchiver] o.a.s.h.RequestHandlerBase org.apache.solr.common.SolrException: ERROR: [doc=b5701a36-0dec-4746-bb5d-3c307a557cd7] multiple values encountered for non multiValued field meta: [dcterms:modified, 2017-03-16T23:14:41Z, meta:creation-date, 2017-03-16T23:14:41Z, meta:save-date, 2017-03-16T23:14:41Z, pdf:PDFVersion, 1.4, dcterms:created, 2017-03-16T23:14:41Z, Last-Modified, 2017-03-16T23:14:41Z, date, 2017-03-16T23:14:41Z, X-Parsed-By, org.apache.tika.parser.DefaultParser, X-Parsed-By, org.apache.tika.parser.pdf.PDFParser, modified, 2017-03-16T23:14:41Z, xmpTPg:NPages, 2, Creation-Date, 2017-03-16T23:14:41Z, pdf:encrypted, false, created, Thu Mar 16 23:14:41 UTC 2017, stream_size, null, dc:format, application/pdf; version=1.4, producer, Ricoh Americas Corporation, AFP2PDF, Content-Type, application/pdf, xmp:CreatorTool, Ricoh Americas Corporation, AFP2PDF Plus Version: 1.014.10, Last-Save-Date, 2017-03-16T23:14:41Z] 

at org.apache.solr.update.DocumentBuilder.toDocument(DocumentBuilder.java:92) 

at org.apache.solr.update.AddUpdateCommand.getLuceneDocument(AddUpdateCommand.java:83) 

at org.apache.solr.update.DirectUpdateHandler2.doNormalUpdate(DirectUpdateHandler2.java:273) 

at org.apache.solr.update.DirectUpdateHandler2.addDoc0(DirectUpdateHandler2.java:207) 

at org.apache.solr.update.DirectUpdateHandler2.addDoc(DirectUpdateHandler2.java:169) 

at org.apache.solr.update.processor.RunUpdateProcessor.processAdd(RunUpdateProcessorFactory.java:69) 

at org.apache.solr.update.processor.UpdateRequestProcessor.processAdd(UpdateRequestProcessor.java:49) 

at org.apache.solr.update.processor.DistributedUpdateProcessor.doLocalAdd(DistributedUpdateProcessor.java:924) 

at org.apache.solr.update.processor.DistributedUpdateProcessor.versionAdd(DistributedUpdateProcessor.java:1079) 

at org.apache.solr.update.processor.DistributedUpdateProcessor.processAdd(DistributedUpdateProcessor.java:702) 

at org.apache.solr.update.processor.LogUpdateProcessorFactory$LogUpdateProcessor.processAdd(LogUpdateProcessorFactory.java:104) 

at org.apache.solr.handler.extraction.ExtractingDocumentLoader.doAdd(ExtractingDocumentLoader.java:126) 

at org.apache.solr.handler.extraction.ExtractingDocumentLoader.addDoc(ExtractingDocumentLoader.java:131) 

at org.apache.solr.handler.extraction.ExtractingDocumentLoader.load(ExtractingDocumentLoader.java:237) 

at org.apache.solr.handler.ContentStreamHandlerBase.handleRequestBody(ContentStreamHandlerBase.java:70) 

at org.apache.solr.handler.RequestHandlerBase.handleRequest(RequestHandlerBase.java:156) 

は、抽出モジュールの私のsolrconfig.xmlです：

<requestHandler name="/update/extract" 
      startup="lazy" 
      class="solr.extraction.ExtractingRequestHandler" > 
    <lst name="defaults"> 
    <str name="lowernames">true</str> 
    <str name="uprefix">ignored_</str> 

    <!-- capture link hrefs but ignore div attributes --> 
    <str name="captureAttr">true</str> 
    <str name="fmap.a">links</str> 
    <str name="fmap.div">ignored_</str> 
    </lst> 
</requestHandler> 

私は、これは基本的にメタが輸入してはならないので、無視され、フィールドではなかったすべてのものをマークだろうと思いました。私は私のソルのスキーマを検索しました。したがって、私はCELがそれを捨てると思ったのでメタフィールドは宣言されていません。

私はSolrjを使ってドキュメントをインポートしています。私はまた、文書に多くのリテラルを追加しています。私はリテラルで提供しているデータの上を見ることができます。

このエラーはなぜ発生しますか？

情報を抽出するだけでよいのですが、テキストフィールドに入力してこの問題を回避するために同じ方法でHTMLを処理しますか？

Answer 1

この問題を回避するには、抽出の要請ハンドラの設定で私のsolrconfig.xmlに次のように紹介しました：

<str name="fmap.meta">ignored_</str> 

私は明示的にこれをしなければならなかった理由を私は知りません。リテラルが変更されていて、それが私にとって深刻な問題を引き起こしたので、私はまたlowernames = falseにセットしなければならなかった。これは私がそれ以上のコントロールを持っているので、私はソルの外でティカを走らせるべきだと私に確信しました。そして最終的にtesseractを加えたいと思っていました。