Solr 索引库可以接受多种类型的数据源，包括 xml 文件，CSV 文件，从数据表中提出出来的数据，类似Word 和 PDF 这些常见的文档。

这里有三个常见往索引库添加数据的方式：

• 使用构建在 Apache Tika 之上的 Solr Cell，Tika 可以提取二进制文件或者像 Office、Pdf 这样的结构化文件。
• 通过 HTTP 方式，将 XML 文件上传给 Solr 服务器。
• 写一个 Java 程序，通过 Solr 的 Java 客户端 API 。在应用程序中，使用 Java API 提交数据可能是最好的方式。

不管通过什么方式来抽取数据，但是往 Solr 索引库送数据有一个基本数据结构：document，一个document包含多个字段，每个字段包含一个名称和数据，数据有可能为空。其中的一个字段通常会被设置成唯一ID字段，尽管这个唯一ID字段在 Solr 中不是必须的。

如果字段名称在 schema.xml 文件中有定义，在分析阶段，字段的内容将会按配置中的说明进行处理，如果字段名称在 schema.xml 没有明确定义，将去动态字段中匹配该字段。

在许多情况下，同样的分析会被应用在两个阶段，比如精准搜索，需要索引和搜索时采用同样的分析策略。在其他情况下，索引和搜索所采用的策略会有所不同。

如果字段类型只是简单定义了 <analyzer> ，这样相同的分析策略会被应用到索引和搜索阶段。如果打算搜索和索引采用不同的分析策略，字段类型定义中需要包含两个 <analyzer> ，如下所示：

<br />
&lt;fieldType name=&quot;nametext&quot;&gt;<br />
&lt;analyzer *type=&quot;index&quot;{*}&gt;<br />
&lt;tokenizer/&gt;<br />
&lt;filter/&gt;<br />
&lt;filter words=&quot;keepwords.txt&quot;/&gt;<br />
&lt;filter synonyms=&quot;syns.txt&quot;/&gt;<br />
&lt;/analyzer&gt;<br />
&lt;analyzer *type=&quot;query&quot;{*}&gt;<br />
&lt;tokenizer/&gt;<br />
&lt;filter/&gt;<br />
&lt;/analyzer&gt;<br />
&lt;/fieldType&gt;<br />

在上面例子中，在索引时，文本内容将被转成小写，不存在keepwords.txt中的文本将被丢弃，剩下的将被替换syns.txt中的同义词。

在搜索时，会将搜索词转成小写，索引阶段的过滤和映射步骤搜索时没有定义，就不会发生。