Файл образца HTML не индексируется в Solr 8.8

Я пытаюсь проиндексировать exampledocs в папке с примерами с помощью SimplePostTool в Windows 10, используя solr 8.8. Все документы индексируются, кроме sample.html. Для этого файла я получаю следующую ошибку:

PS C:\solr-8.8.0> java -jar -Dc=gettingstarted -Dauto example\exampledocs\post.jar example\exampledocs\sample.html
SimplePostTool version 5.0.0
Posting files to [base] url http://localhost:8983/solr/gettingstarted/update...
Entering auto mode. File endings considered are xml,json,jsonl,csv,pdf,doc,docx,ppt,pptx,xls,xlsx,odt,odp,ods,ott,otp,ots,rtf,htm,html,txt,log
POSTing file sample.html (text/html) to [base]/extract
SimplePostTool: WARNING: Solr returned an error #404 (Not Found) for url: http://localhost:8983/solr/gettingstarted/update/extract?resource.name=C%3A%5Csolr-8.8.0%5Cexample%5Cexampledocs%5Csample.html&literal.id=C%3A%5Csolr-8.8.0%5Cexample%5Cexampledocs%5Csample.html
SimplePostTool: WARNING: Response: <html>
<head>
<meta http-equiv="Content-Type" content="text/html;charset=utf-8"/>
<title>Error 404 Not Found</title>
</head>
<body><h2>HTTP ERROR 404 Not Found</h2>
<table>
<tr><th>URI:</th><td>/solr/gettingstarted/update/extract</td></tr>
<tr><th>STATUS:</th><td>404</td></tr>
<tr><th>MESSAGE:</th><td>Not Found</td></tr>
<tr><th>SERVLET:</th><td>default</td></tr>
</table>

</body>
</html>
SimplePostTool: WARNING: IOException while reading response: java.io.FileNotFoundException: http://localhost:8983/solr/gettingstarted/update/extract?resource.name=C%3A%5Csolr-8.8.0%5Cexample%5Cexampledocs%5Csample.html&literal.id=C%3A%5Csolr-8.8.0%5Cexample%5Cexampledocs%5Csample.html
1 files indexed.
COMMITting Solr index changes to http://localhost:8983/solr/gettingstarted/update...
Time spent: 0:00:00.086

Однако индексирование json и всех других типов файлов без проблем. Например:

PS C:\solr-8.8.0> java -jar -Dc=gettingstarted -Dauto example\exampledocs\post.jar example\exampledocs\books.json
SimplePostTool version 5.0.0
Posting files to [base] url http://localhost:8983/solr/gettingstarted/update...
Entering auto mode. File endings considered are xml,json,jsonl,csv,pdf,doc,docx,ppt,pptx,xls,xlsx,odt,odp,ods,ott,otp,ots,rtf,htm,html,txt,log
POSTing file books.json (application/json) to [base]/json/docs
1 files indexed.
COMMITting Solr index changes to http://localhost:8983/solr/gettingstarted/update...

Просто следуйте этому руководству: https://lucene.apache.org/solr/guide/8_8/post-tool.html#post-tool-windows-support


solr
person user2547973    schedule 17.02.2021    source источник

Ответы (1)


arrow_upward
0
arrow_downward

Обработчик запроса на извлечение, который позволяет индексировать расширенные документы, должен быть включен, прежде чем его можно будет использовать. Если вы посмотрите на пути в обоих ваших запросах, вы увидите, что ваш первый запрос идет на /extract и дает 404, а ваш второй запрос идет на /update и работает.

Вы можете найти описание как включить и настроить конечную точку в документации по Solr:

Если вы не работаете с примером конфигурации, jar-файлы, необходимые для использования Solr Cell, не будут загружаться автоматически. Вам нужно будет настроить свой solrconfig.xml, чтобы найти ExtractingRequestHandler и его зависимости:

<lib dir="${solr.install.dir:../../..}/contrib/extraction/lib" regex=".*\.jar" />
<lib dir="${solr.install.dir:../../..}/dist/" regex="solr-cell-\d.*\.jar" />

Затем вы можете настроить ExtractingRequestHandler в solrconfig.xml. Ниже приведена конфигурация по умолчанию в _default configset Solr, которую вы можете изменить по мере необходимости:

<requestHandler name="/update/extract"
                startup="lazy"
                class="solr.extraction.ExtractingRequestHandler" >
  <lst name="defaults">
    <str name="lowernames">true</str>
    <str name="fmap.content">_text_</str>
  </lst>
</requestHandler>
person MatsLindh    schedule 17.02.2021
comment
Спасибо, Матс. Просто следуя руководству, я не заметил, чтобы изменение файла конфигурации было частью примера начала работы. Все остальные форматы файлов просто работали. - person user2547973; 18.02.2021
comment
Я скопировал файл solrconf.xml из установки solr 7.7.3 в папку getstarted / conf и перезапустил сервер, и индексация заработала. Сравнивая файлы конфигурации между версиями, кажется, что приведенный выше код был исключен из файла 8.8.0 _default / config / solrconfig.xml. - person user2547973; 22.02.2021