Solr 4 - Индексация размещенного текстового файла

Я пытаюсь создать поле с именем «sku», которое индексируется следующим анализатором:

<fieldType name="sku" class="solr.TextField">
   <analyzer>
  <tokenizer class="solr.PatternTokenizerFactory" pattern="(SKU|Part(\sNumber)?):?\s(\[0-9-\]+)" group="3"/>
</analyzer>
 </fieldType>

Это из документации здесь http://lucidworks.lucidimagination.com/display/solr/Tokenizers#Tokenizers-RegularExpressionPatternTokenizer

У меня уже есть программа Java, которая успешно публикуется на сервере solr, однако она не захватывает sku из каких-либо файлов и не индексирует их. Вот мой код Java:

ContentStreamUpdateRequest up = new ContentStreamUpdateRequest(
                "/update/extract");
        up.addFile(arg0, arg0.getName());

        up.setParam("literal.id", arg0.getName());
        up.setParam("uprefix", "attr_");
        up.setParam("fmap.content", "attr_content");

        up.setAction(AbstractUpdateRequest.ACTION.COMMIT, true, true);

        server.request(up);

Любая помощь приветствуется.

Я понимаю, что могу сам разобрать текстовые файлы и извлечь SKU и отправить их в параметрах на сервер, но я думал, что Solr может сделать это за меня?


java solr solr4
person Chris    schedule 21.01.2013    source источник
comment
Похожи ли ваши номера SKU на то, что шаблон предназначен для захвата? То есть: начните с SKU или Part, необязательного слова Number, необязательного двоеточия, обязательного (!) пробела, одной или нескольких цифр и дефисов (и ничего больше) для захвата. Обратите внимание, я считаю, что это также будет чувствительно к регистру.   -  person femtoRgon    schedule 21.01.2013

Ответы (1)


arrow_upward
0
arrow_downward

Трудно сказать, что происходит, потому что посередине есть несколько шагов.

Например, каково ваше определение schema.xml. Он определенно использует sku в качестве типа (а не строку). Затем, каково имя поля (attr_sku?) и действительно ли сопоставление обработчика извлечения сопоставляется с ним правильно? Обработчик извлечения обычно отправляет метаданные в виде отдельных полей, а затем все содержимое файла в виде одного большого длинного поля. Артикул где-то в метаданных?

Я бы сделал copyField во что-то необрабатываемое и посмотрел, действительно ли контент попадает в поле Solr. Затем я бы начал устранять неполадки с самим регулярным выражением.

person Alexandre Rafalovitch    schedule 21.01.2013
comment
Спасибо за ответ Александр. Я использовал copyField, как вы предложили, чтобы увидеть, попадает ли содержимое в поле solr. Что он и делает. Я не вижу ничего плохого в регулярном выражении или примерах данных, поскольку я скопировал их непосредственно со страницы документации Lucene (ссылка в исходном сообщении), и мне это кажется правильным. Тем не менее, мне удалось добиться того, чего я хотел (другим способом, с другими токенизаторами). Спасибо, что поставили меня на правильный путь отладки этого. - person Chris; 22.01.2013