如何在SOLR中编制.html文件索引

概述我想要做索引的文件存储在服务器上(我不需要抓取). /路径/到/文件/ 示例 HTML文件是 <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"><meta name="product_id" content="11"/><meta name="assetid" content="10001"/><meta n 我想要做索引的文件存储在服务器上(我不需要抓取). /路径/到/文件/
示例 HTML文件是

<Meta http-equiv="Content-Type" content="text/HTML; charset=UTF-8"><Meta name="product_ID" content="11"/><Meta name="assetID" content="10001"/><Meta name="Title" content="Title of the article"/><Meta name="type" content="0xyzb"/><Meta name="category" content="article category"/><Meta name="first" content="details of the article"/><h4>Title of the article</h4><p ><a href="#link">How cite the Article</a></p><p >  <span >Length: </span>13 to 15 feet<br>  <span >Height to top of head: </span>up to 18 feet<br>  <span >Weight: </span>1,200 to 4,300 pounds<br>  <span >DIEt: </span>leaves and branches of trees<br>  <span >Number of Young: </span>1<br>  <span >Home: </span>Sahara<br></p></p>

我在solrconfing.xml文件中添加了请求处理程序.

<requestHandler name="/dataimport" ><lst name="defaults">  <str name="config">/path/to/data-config.xml</str></lst>

我的data-config.xml看起来像这样

<dataConfig><dataSource type="fileDataSource" /><document>    <entity name="f" processor="fileListEntityProcessor" baseDir="/path/to HTML/files/" filename=".*HTML" recursive="true" rootEntity="false" dataSource="null">        <fIEld column="plainText" name="text"/>    </entity></document></dataConfig>

我保留了默认的schema.xml文件,并将以下代码添加到schema.xml文件中.

<fIEld name="product_ID" type="string" indexed="true" stored="true"/> <fIEld name="assetID" type="string" indexed="true" stored="true" required="true" /> <fIEld name="Title" type="string" indexed="true" stored="true"/> <fIEld name="type" type="string" indexed="true" stored="true"/> <fIEld name="category" type="string" indexed="true" stored="true"/> <fIEld name="first" type="text_general" indexed="true" stored="true"/> <uniqueKey>assetID</uniqueKey>

当我在设置它之后尝试进行完全导入时,它显示所有HTML文件都已获取.但是当我在SolR中搜索时,它没有向我显示任何结果.任何人都知道可能的原因是什么？

我的理解是所有文件都正确获取但未在SolR中编入索引.有谁知道如何在SolR中索引那些元标记和HTML文件的内容？

您的回复将不胜感激.

解决方法 您可以使用 Solr Extracting Request Handler将Solr与HTML文件一起提供,并从HTML文件中提取内容.例如在 link

Solr使用Apache Tika从uploaded html file中提取内容

如果你想抓取网站并将其编入索引,Nutch与Solr是一个更广泛的解决方案.
Nutch with Solr Tutorial将帮助您入门.

总结

以上是内存溢出为你收集整理的如何在SOLR中编制.html文件索引全部内容，希望文章能够帮你解决如何在SOLR中编制.html文件索引所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。