Solr6.6.0 用 SimplePostTool索引文件的启示

wojkxlq

　　本文主要是介绍通过SimplePostTool工具索引文件的结果进行确认，针对不同的文件，索引的结果不同。
　　1、创建core
　　首先启动solr,建立名称为data的core,SimplePostTool工具使用参照：http://www.cnblogs.com/shaosks/p/7390523.html
　　由于导入文件的过程需要用到post.jar这个包，所以先把solr-6.6.0\example\exampledocs文件夹下的post.jar拷贝到solr-6.6.0\bin文件夹下。
　　solr start;　　solr create -c data
　　
　　2、导入文件
　　和solr-6.6.0\bin文件夹同级目录下Import文件夹，下面有以下有8个文件：

　　其中前三个文件都是结构化的，有对应的字段。后面的文件就是非结构化的文件。现在导入
　　2.1、2017-07-07_info.csv文件
　　内容如下，需要注意的是csv文件由于包含中文，所以必须以utf-8格式保存，否则导入后，中文是乱码

　　　　2.2、books.json文件
　　内容如下，需要注意的是books.json格式不能保存为utf-8的格式，否则导入时报错。

　　2.3、xml文件
　　内容如下，需要注意的是xml文件由于包含中文，所以必须以utf-8格式保存，否则导入后，中文是乱码
　　

　　3、配置文件
　　注意data\conf下的配置文件managed-schema，注意里面的内容在导入前和导入后的变化，在导入后,对于上面的csv,json和json这三个结构化文档中涉及的字段，都会自动增加到managed-schema文档中
　　下面这些字段都是导入过程自动增加的

　　4、导入结果查询
　　　　1、2017-07-07_info.csv索引结果
　　奇怪的是原来csv文件中title字段，变为了_title，前面增加了一个下划线，经过多次测试，都第一个字段，增加一个下划线。

　　把文件中的title字段改为scheme,

　　重新导入，查询结果：scheme字段前面又增加了一个下划线

　　在CSV文件增加一列blank_title，该列都是空值

　　重新导入，结果正常，而且blank_title也不会索引

　　　　2、books.json索引结果

　　　　3、mem.xml索引结果

　　　　4、十九大报告全文.docx索引结果

　　同样doc, pdf和txt格式的文件索引结果都是类似的，因此对这样的文件索引要用其它方式。
　　由于solr默认不包含中文分词器，因此导入的中文数据都不能进行很好的分词
　　总结：SimplePostTool工具适合索引csv/json/xml这种结构化文档，像doc, pdf和txt这种非结构化，索引数据后无法搜索相关的信息