本文主要是介绍通过SimplePostTool工具索引文件的结果进行确认,针对不同的文件,索引的结果不同。
1、创建core
首先启动solr,建立名称为data的core,SimplePostTool工具使用参照:
由于导入文件的过程需要用到post.jar这个包,所以先把solr-6.6.0\example\exampledocs文件夹下的post.jar拷贝到solr-6.6.0\bin文件夹下。
solr start; solr create -c data
2、导入文件
和solr-6.6.0\bin文件夹同级目录下Import文件夹,下面有以下有8个文件:
其中前三个文件都是结构化的,有对应的字段。后面的文件就是非结构化的文件。现在导入
2.1、2017-07-07_info.csv文件
内容如下,需要注意的是csv文件由于包含中文,所以必须以utf-8格式保存,否则导入后,中文是乱码
2.2、books.json文件
内容如下,需要注意的是books.json格式不能保存为utf-8的格式,否则导入时报错。
2.3、xml文件
内容如下,需要注意的是xml文件由于包含中文,所以必须以utf-8格式保存,否则导入后,中文是乱码
导入命令: java -Dauto=yes -Dc=mycore -jar post.jar ..\Import\*.*
3、配置文件
注意data\conf下的配置文件managed-schema,注意里面的内容在导入前和导入后的变化,在导入后,对于上面的csv,json和json这三个结构化文档中涉及的字段,都会自动增加到managed-schema文档中
下面这些字段都是导入过程自动增加的
4、导入结果查询
1、2017-07-07_info.csv索引结果
奇怪的是原来csv文件中title字段,变为了_title,前面增加了一个下划线,经过多次测试,都第一个字段,增加一个下划线。
把文件中的title字段改为scheme,
重新导入,查询结果:scheme字段前面又增加了一个下划线
在CSV文件增加一列blank_title,该列都是空值
重新导入,结果正常,而且blank_title也不会索引
2、books.json索引结果
3、mem.xml索引结果
4、十九大报告全文.docx索引结果
同样doc, pdf和txt格式的文件索引结果都是类似的,因此对这样的文件索引要用其它方式。
总结:SimplePostTool工具适合索引csv/json/xml这种结构化文档,像doc, pdf和txt这种非结构化,索引数据后无法搜索相关的信息