文件系统数据源的 DataImportHandler DIH

DataImportHandler DIH for FileSystem DataSource

我有一个文件系统数据源，我已经为它创建了一个数据配置运行 DIH 数据配置是


<数据配置>
    <数据源类型="FileDataSource" />
    <文件>

当我运行 DIH 时，它给出
索引完成。 Added/Updated: 0 个文档。已删除 0 个文档。
请求：0，获取：35924，跳过：0，处理：0

知道为什么它不处理任何文档吗？

您的配置中没有根实体；你只有一个实体，它有 rootEntity="false"，所以没有从它创建文档。

您还需要定义一些 "field" 实体内的行，用于将文件信息映射到架构中的字段；这个问题 indexing all documents in doc folder in to solr FileListEntityProcessor 做的事情与您需要的类似。

谢谢，我搞定了，下面是需要的dataconfig

<?xml version="1.0" encoding="UTF-8"?> 
<dataConfig> 
    <dataSource type="BinFileDataSource" /> 
    <document> 
        <entity name="pdf" processor="FileListEntityProcessor" baseDir="/path/to/my/pdf" fileName=".*pdf" newerThan="'NOW-3DAYS'" recursive="true" rootEntity="false" dataSource="null"> 
            <field column="fileAbsolutePath" name="id" /> 
            <entity name="documentImport" processor="TikaEntityProcessor" url="${pdf.fileAbsolutePath}" format="text"> 
                <field column="text" name="text"/> 
            </entity> 
        </entity> 
    </document> 
</dataConfig>

文件系统数据源的 DataImportHandler DIH

DataImportHandler DIH for FileSystem DataSource

solr

datasource

dataimporthandler

dih

lucidworks