代码之家 › 专栏 › 技术社区 › Alan Simes

solr和.net过滤器

solrnet solr .net c#

3

Alan Simes · 技术社区 · 16 年前

我对索尔的神奇世界比较陌生,有以下问题。在提取文档结构并将其传递给solr进行索引方面,处理文档的最佳方法是什么?

我希望能够从Word文档、PDF、电子表格、HTML页面等中提取文本。实际上,任何包含文本的文档都可以。

我看了一下Windows过滤器,乍一看它们似乎提供了我需要的功能。

你会这样做吗?

锡姆

2 回复 | 直到 16 年前

1

2

Philip Rieck 16 年前

你可能想看看 Solr Cell 项目。我假设您使用的是Cli-客户端——但是您可能需要用Java工具完成服务器的所有内容提取/映射。

solr cell页面提供了如何使用的说明 Apache Tika 它可以包装从各种格式(如Word或PDF)中提取文本(和一些元数据)的库。

2

Mauricio Scheffer 16 年前

正如菲利普所说,solrcell是索引这些二进制文档类型的标准方法。但是,它仍然 not supported by SolrNet ,所以您的选择是: