Solr DIH XML不提取

Question

我试图使用Solr7.0对一些wiki页面进行索引，但在最后一步，DataImportHandler显然没有提取数据。我不知道发生了什么，因为没有错误被抛出。

当我调用http://localhost:8983/solr/mycore/dataimport?command=full-import时，两种不同的行为是显而易见的。

我第一个请求的第一个回应是。

{
    "responseHeader":{
        "status":0,
        "QTime":75
    },
    "initArgs":[
        "defaults",[
            "config","data-config.xml"
         ]
     ],
    "command":"full-import",
    "status":"idle",
    "importResponse":"",
    "statusMessages":{}
 }

当我再次按enter键时，第二个响应是。

{
    "responseHeader":{
        "status":0,
        "QTime":26
    },
    "initArgs":[
        "defaults",[
            "config","data-config.xml"
        ]
    ],
    "command":"full-import",
    "status":"idle",
    "importResponse":"",
    "statusMessages":{
        "Total Requests made to DataSource":"0",
        "Total Rows Fetched":"2",
        "Total Documents Processed":"0",
        "Total Documents Skipped":"0",
        "Full Dump Started":"2017-10-28 07:05:31",
        "":"Indexing completed. Added/Updated: 0 documents. Deleted 0 
            documents.",
        "Committed":"2017-10-28 07:05:31",
        "Time taken":"0:0:0.449"
    }
}

正如你在第二个答案中所看到的，DIH发现了两个文件。这正是我在测试文件wiki.xml中的文档编号。问题是DIH没有提取，在Indexing completed. Added/Updated: 0 documents. Deleted 0 documents.中您可能会注意到

这是我的Solr配置：吉特要旨。我正在使用Windows 10、Solr 7.0和Lucene 7.0。

到目前为止我尝试过的..。

• 我试图提取的数据之一是“用户”，但是它有一些不正常之处，例如，当用户有一个帐户时，<contributor>标记有两个子标签<username>(用户昵称)和<id>(用户id)，而其他一些时候，当用户没有帐户时，<contributor>只以一个子标签<ip>出现。因此，我只是尝试导入没有“用户”数据的数据。
• 我只想弄到身份证和头衔。对此，我将评论data-config.xml中的其他字段。

没有人能通过这些测试。

Answer 1

您的问题非常简单，您的entity标记最初是关闭的，因此所有下面的fields标记都会被忽略。

因此，您需要在之后添加</entity>标记，并将<entity/>替换为只使用<entity>

但是，您的solrconfig.xml仍然包含一个错误，您使用的是ClassicIndexSchemaFactory，但是您有AddSchemaFieldsUpdateProcessorFactory，这将导致异常。您应该将传统的模式工厂替换为托管模式工厂，或者只删除这个add更新处理器工厂。