在Solr中使用数据导入处理程序编制索引时提取文件名(不带扩展名)

Question

我可以使用solr 4.3.0中的数据导入处理程序成功地索引pdf、doc、ppt等文件。

我的data-config.xml看起来像这样-

<dataConfig>
    <dataSource name="bin" type="BinFileDataSource" />
    <document>
        <entity name="f" dataSource="null" rootEntity="false"
            processor="FileListEntityProcessor"
            baseDir="C:\Users\aroraarc\Desktop\Impdo" 
            fileName=".*\.(DOC)|(PDF)|(pdf)|(doc)|(docx)|(ppt)|(pptx)|(xls)|(xlsx)|(txt)" onError="skip"
            recursive="true">

            <field column="fileAbsolutePath" name="path" />
            <field column="fileSize" name="size" />
            <field column="fileLastModified" name="lastmodified" />
            <field column="file" name="fileName"/>

             <entity name="tika-test" dataSource="bin" processor="TikaEntityProcessor"
            url="${f.fileAbsolutePath}" format="text" onError="skip">
                <field column="Author" name="author" meta="true"/>
                <field column="title" name="title" meta="true"/>
                <field column="text" name="content"/>

          </entity>
        </entity>
    </document>
</dataConfig>

但是，在fileName字段中，我想插入不带扩展名的纯文件名。例如，我只想在fileName字段中插入'HelloWorld‘，而不是’fileName‘。我该如何实现这一点？

提前感谢！

Answer 1

选中ScriptTransformer可在索引之前替换或更改该值。

示例：

数据配置-添加自定义字段-

<script><![CDATA[
        function changeFileName(row){
            var fileName= row.get('fileName');
            // Replace or remove the extension .. e.g. from last index of . 
            file_name_new = file_name.replace ......
            row.put(fileName, row.get('file_name_new'));
            return row;
        }
]]></script>

实体映射-

<entity name="f" transformer="script:changeFileName" ....>
    ......
</entity>