solr中为pdf word excel等文档做索引和存诸时如何把回车空格等去掉
当用solr的"/update/extract"方法为pdf 或 word 或excel 等文件做索引时,当高亮时总会出现很多回车或空格占了很多空间，让搜索结果时长时短很不好看，而配设中又没有配置可以完成这项目功能，唯一可以实现的就是改源码！我用的是solr4.7.2的源码去改，源码在以下网址找到
http://grepcode.com/snapshot/repo1.maven.org/maven2/org.apache.solr/solr-cell/4.7.2/
改的文件是
http://grepcode.com/file/repo1.maven.org/maven2/org.apache.solr/solr-cell/4.7.2/org/apache/solr/handler/extraction/SolrContentHandler.java
改的地方是：
改动如下：
添加 private char LastChar=7;
public void startElement 去掉 bldrStack.getLast().append(' ');
public void endElement 去掉 bldrStack.getLast().append(' ');
public void characters(char[] chars, int offset, int length) throws SAXException
改为如下：
public void characters(char[] chars, int offset, int length) throws SAXException {
if(chars.length>0)
{
char[] TmpChars=new char;
int TmpCharsCount=0;
for(int i=offset;i<chars.length;i++)
{
if(chars=='\n' || chars=='\r' || chars=='\t' || chars==' ' || chars==' ')
{
if(LastChar!=' ')
{
TmpChars=' ';
TmpCharsCount++;
}
LastChar=' ';
}
else
{
TmpChars=chars;
TmpCharsCount++;
LastChar=chars;
}
}
if(TmpCharsCount>0)
{
bldrStack.getLast().append(TmpChars, 0, TmpCharsCount);
}
}
}
然后解压solr-cell-4.7.2.jar这个文件，替换里面的SolrContentHandler.class文件，再重新打包成zip文件再把后辍改成jar，这样替换掉原来的solr-cell-4.7.2.jar就OK了！
页:
[1]