Solr Cell 主要概念
在使用 Solr Cell 框架式，需要注意以下几个有用的点：
- Tika 会自动尝试解析输入文档（Word、PDF、HTML）的类型，并正确的抽取文本。如果你愿意，你可以使用 St.rema.typ 参数给 Tika 明确设置一个 MIME 类型
- Tika 运行时产生一个 XHTML 流提供给 SAX ContentHandler。SAX 是通用的 XML 解析器。
- Solr 回应 Tika 的 SAX 事件，然后创建字段给索引库。
- Tika 依照像 DubinCore 这样的规格，产生如标题、主题和作者这样的元数据
- Tika 添加所有抽取出来的文本放入 content 字段
- 可以把 Tika 的元数据字段和 Solr 的字段做映射，也可以设置这些字段的 boost。
- 可以传递一些常量给字段的值
- Tika 的 XTML 支持 XPath 表达式，可以通过表达式限制其内容的产生
Solr Cell
早先的 Solr 发行版可以很容易地索引已经存在的 XML 格式的文件，但是索引非 XML 数据，像 二级制文件或者 Office 文档，需要额外的处理。Solr 使用了 Apache Tika 来提供解析框架，该框架中整合了像 Apache PDFBox 和 Apache POI。使用了这个框架，Solr 的 ExtractingRequestHandler 可以使用 Tika 来支持二级制文件的上传，包括了常见的 Word 和 PDF 文件。
当这个框架在开发时，它叫 Solr 内容抽取库 (Solr Content Extraction Library or CEL)，后来采用了缩写，取名为 Solr Cell。
-
-
养鸡乐小程序，免费得鸡蛋
