上篇我们学习了如何从PDF文件中提取文本进行索引,今天我们来学习如何对一个文件夹下所有文本文件进行索引。废话不多说,我直接贴相关配置:
首先依然是在solrconfig.xml配置文件中配置dataimport请求处理器,并指定data-config.xml配置文件加载路径:
data-config.xml
指定依赖的jar包加载路径:
C:\solr_home\core1\data
依赖的jar包如图:
然后重点是配置我们的data-config.xml了,配置内容如下: baseDir表示获取这个文件夹下的文件,fileName支持使用正则表达式来过滤一些baseDir文件夹下你不想被索引的文件,processor是用来生成Entity的处理器,而不同Entity默认会生成不同的Field域。FileListEntityProcessor处理器会根据指定的文件夹生成多个Entity,且生成的Entity会包含fileAbsolutePath
, fileSize
, fileLastModified
, fileName这几个域,
recursive表示是否递归查找子目录下的文件,onError表示当出现异常时是否跳过这个条件不处理。
然后我们需要在schema.xml中定义域,
到此,配置工作就完毕了,在C:/docs目录下准备几个txt文件用于测试,注意,txt文件编码请保证是UTF-8编码,默认txt文件的编码是GBK,这是很多小白容易犯的错误,特此提醒!!!!!! 然后重启你的tomcat,执行索引导入,如图: 照例,切换到Query菜单进行查询测试,如图: OK,大功告成!本篇博客示例配置文件以及测试用的txt文件我待会儿会上传到底下附件(由于jar包体积太大,附件里不会包含jar包,包含完整jar的,我会上传到我的百度网盘)。
百度网盘下载地址:
如果你还有什么问题请加我Q-Q:7-3-6-0-3-1-3-0-5,
或者加裙
一起交流学习!