Apache SolrからのPDFの抽出

Question

Solrのインデックス作成を初めて利用しています。私はSolrの5.5を使用し、単に私がソースのpdfファイルを削除

#bin/post -c gettingstarted /home/ubuntu/pdf.pdf 

を使用して、その中にPDFファイルをインデックス化。とにかくApache Solrからpdfファイルを取り出すことができますか？ URLからインデックスされていることがわかります

http://localhost:8983/solr/gettingstarted/select?q=*.pdf 

ありがとうございます。

Answer 1

デフォルトで正しく索引付けされている場合、スキーマ内で正しく宣言されている場合、PDFコンテンツはフィールド名contentに索引付けされます。そのコンテンツフィールドを使用してキーワード（または*）を検索します。

例： q=content:keyword（キーワード - > PDFファイルに存在している）

http://localhost:8983/solr/gettingstarted/select?q=content:* 

contetntフィールドが定義されていない場合。スキーマファイルにフィールド定義を追加します。

例：フィールド名の宣言

<field name="content" type="text_general" indexed="true" stored="true" multiValued="true"/> 

フィールドタイプdefintion

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100"> 
     <analyzer type="index"> 
     <tokenizer class="solr.StandardTokenizerFactory"/> 
     <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" /> 
     <filter class="solr.LowerCaseFilterFactory"/> 
     </analyzer> 
     <analyzer type="query"> 
     <tokenizer class="solr.StandardTokenizerFactory"/> 
     <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" /> 
     <filter class="solr.LowerCaseFilterFactory"/> 
     </analyzer> 
    </fieldType>