Solr: gestionnaire d'importation de données et cellule solr

Question

Est-il possible d'indexer un document riche (pdf, office) ... avec un gestionnaire d'importation de données en utilisant solr cell.

J'utilise le sol 3.2.

Merci.

Answer 1

Solr Cell, alias ExtractingRequestHandler, utilise Apache Tika dans les coulisses, et ce dernier peut facilement être intégré dans un DataImportHandler:

<dataConfig> 
<!-- use any of type DataSource<InputStream> --> 
    <dataSource type="BinURLDataSource"/> 
    <document> 
    <!-- The value of format can be text|xml|html|none. this is the format in which the body is emited (the 'text' field) . The implicit field 'text' will have that format. 
      default value is 'text' (if not specified) . format="none" means body is not emited--> 
    <entity processor="TikaEntityProcessor" tikaConfig="tikaconfig.xml" url="${some.var.goes.here}" format="text"> 
     <!--Do appropriate mapping here meta="true" means it is a metadata field --> 
     <field column="Author" meta="true" name="author"/> 
     <field column="title" meta="true" name="docTitle"/> 
     <!--'text' is an implicit field emited by TikaEntityProcessor . Map it appropriately--> 
     <field column="text"/> 
    </entity> 
    <document> 
</dataConfig> 

Cette fonctionnalité a été implémentée dans SOLR-1358.