Solr CEL/Tika 输出的格式是什么？以及如何修复它？
我正在使用 Solr 来索引 DOC、DOCX 和 PDF 文件。我已启用文本存储，并检查了它。以下是示例 DOC 文件的结果： 是一家移动用户界面 (UI) 软件开发公司…
使用 Solr 为 PDF 建立索引
谁能给我指点教程。 我使用 Solr 的主要经验是索引 CSV 文件。但我找不到任何简单的说明/教程来告诉我需要做什么来索引 pdf。 我已经看到了这个： htt…
Apache Tika：解析文本文件省略了最后一部分？
我正在尝试使用 Tika 解析纯文本文件，但变得不一致 行为。 更具体地说，我定义了一个简单的处理程序，如下所示： public class MyHandler extends De…
XML 解析器 +索引数据
我需要使用 Lucene 索引一些 xml 文档，但在此之前，我需要解析这些 XML 并在其标签内提取一些信息。 XML 如下所示： Info Different words,and phras…
Solr Cell / ExtractingRequestHandler 无法解析某些 *.doc 文件
我需要索引用户上传的 doc/docx/pdf 文件的内容，并为此使用 Solr (1.4.1) ExtractingRequestHandler 组件 (817165)。如果这很重要，我不会请求从中建…
向 Apache Tika 添加语言配置文件
请任何设法做到这一点的人解释一下如何做到这一点:-) 我是否需要获取我需要添加的语言的 n-gram 文件？ 是否需要创建 tika.language.override.propert…
C/C++ Apache Tika 的替代品
我正在寻找基于 Java 的 Apache Tika 框架的 C/C++ 替代方案。具体来说，我正在一个框架下搜索文件元数据和结构化文本提取。经过一些在线搜索和浏览后…
Apache Tika 和解析文档时的字符限制
有人可以帮我解决一下吗？ 可以这样完成 Tika tika = new Tika(); tika.setMaxStringLength(10*1024*1024); 但是如果你不直接使用Tika，就像这样： Co…
如何在网络应用程序中集成数据库搜索和 pdf 搜索？
我有一个带有自定义搜索引擎的 jsp Web 应用程序。 搜索引擎基本上构建在 SQL Server 数据库的“文档”表之上。 举例来说，每个文档记录具有三个字段…
Apache Tika 和文件访问而不是 Java 输入流
我希望能够创建一个新的 Tika 解析器来从文件中提取元数据。我们已经在使用 Tika，并且元数据提取将始终如一地完成。 我认为我遇到了 Tika 的这个问题…
如何使用 Solr 的 FileListEntityProcessor 在搜索结果中显示文件名
我正在尝试扫描目录中的所有 pdf/doc 文件。这工作正常，我可以扫描所有文档。 我想做的下一件事也是接收搜索结果中文件的文件名。但是文件名永远不会…
不从远程索引或提取文档 (.pdf .doc)
我正在使用 Solr 3.1、Apache Tika 0.9 和 Solrnet 0.3.1 来索引 文档，如 .doc 和 .pdf 文件。 我已成功使用此方法在本地索引并提取文档 但是 Startu…
是否可以使用 Apache Tika 按页提取 word/pdf 文件中的文本？
我能找到的所有文档似乎都表明我只能提取整个文件的内容。但我需要单独提取页面。我需要为此编写自己的解析器吗？我是否缺少一些明显的方法？…
