在SOLR 7上索引整个XML文档，没有字段规范

Question

我会尝试在SOLR上放置一个xml文档(现在我使用的是7.3.0版本)，而不需要在data中设置特定的字段，也不需要放置一个标记来获取所有其他的字段。我尝试了无模式模式，但没有得到任何文件。有可能以某种方式做这件事，还是SOLR无法处理呢？

这是我的SOLR document.xml的一个例子。我想检测所有的标签，并得到相对的值，而不编辑任何字段。就像我说的，我尝试了无模式模式，但它没有起作用。

<?xml version="1.0" encoding="UTF-8"?>
<digital_archive xmlns="https://www.site" dataCreazione="2017-05-11T17:15:00">
<DocumentalCategory>some data</DocumentalCategory>
<customer>some data</customer>
<producer>some data</producer>
<documentOwner>some data</documentOwner>
<sources>
    <source>
        <idc>
            <id scheme="adfr">some data</id>
            <name>some data</name>
            <path>sources\source\some_path.XML</path>
            <hash alg="SHA-256">3748738</hash>
        </idc>
        <vdc>
            <id scheme="some data">some data.XML</id>
            <timeReference>2017-03-17T14:19:01+0100</timeReference>
        </vdc>
    </source>
</sources>
<ud>
    <metadati>
        <Name>Jane</Name>
        <Surname>Doe</Surname>
        <FiscalCode>dsrsd6w7hedw</FiscalCode>
        <Date>29.10.2017</Date>
    </metadati>

我预期的结果是这样的：

    <field name="DocumentalCategory">some data</DocumentalCategory>
<field name="customer">some data</customer>
<field name="producer">some data</producer>
<field name="documentOwner">some data</documentOwner>
<field name="sources">
    <field name="source">
        <field name="idc">
            <field name="id" scheme="adfr">some data</id>
            <field name="name">some data</name>
            <field name="path">sources\source\some_path.XML</path>

Answer 1

Solr不是一个数据库，而是一个搜索引擎。它的目标是给你好的搜索结果，保留原有的结构是不那么重要的。

虽然有一些方法可以使用嵌套文档，但您会发现，随后的搜索将使您真正重新思考您的导入过程。

因此，我建议您后退一步，考虑如何首先找到这些信息，以及返回什么级别的记录/子记录。然后，您可以重新讨论导入问题。

模式不会在这里帮助您，因为它仍然希望您的文档是Solr格式，无论是XML、JSON还是CSV。这里有一种自定义XML格式。所以，你需要以某种方式改变它。您可以使用并在执行过程中定义映射或XSLT转换，使其符合Solr的期望。无论哪种方式，您都很可能需要进行一些平面化和id映射。

Answer 2

使用xslt将您的自定义xml转换为solr xml，以下是我的xml:-

 <?xml version="1.0" encoding="UTF-8" ?>
<?xml-stylesheet type="text/xsl" href="Rule.xsl"?>
<collection>
  <movie>
      <title>abc</title>
      <year>2016</year>
      <genre>comedy</genre>
  </movie>
  <movie>
      <title>xyz</title>
      <year>2017</year>
      <genre>animated</genre>
  </movie>
  <movie>
      <title>pqr</title>
      <year>2018</year>
      <genre>action</genre>
  </movie>
</collection>

下面是执行转换的xsl文件：-

    <?xml version="1.0" encoding="ISO-8859-1"?>
<xsl:stylesheet version="1.0" xmlns:xsl="http://www.w3.org/1999/XSL/Transform">
  <xsl:template match='/collection'>
    <add>
      <xsl:apply-templates select="movie"/>
    </add>
  </xsl:template>
  <!-- Ignore score (makes no sense to index) -->
  <xsl:template match="movie/*[@name='score']" priority="100"></xsl:template>
  <xsl:template match="movie">
    <xsl:variable name="pos" select="position()"/>
    <doc>
      <xsl:apply-templates>
        <xsl:with-param name="pos"><xsl:value-of select="$pos"/></xsl:with-param>
      </xsl:apply-templates>
    </doc>
  </xsl:template>
  <!-- Flatten arrays to duplicate field lines -->
  <xsl:template match="movie/arr" priority="100">
    <xsl:variable name="fn" select="@name"/>
    <xsl:for-each select="*">
      <xsl:element name="field">
        <xsl:attribute name="name"><xsl:value-of select="$fn"/></xsl:attribute>
        <xsl:value-of select="."/>
      </xsl:element>
    </xsl:for-each>
  </xsl:template>
  <xsl:template match="movie/*">
    <xsl:variable name="fn" select="@name"/>
      <xsl:element name="field">
        <xsl:attribute name="name"><xsl:value-of select="local-name()"/></xsl:attribute>
      <xsl:value-of select="."/>
    </xsl:element>
  </xsl:template>
  <xsl:template match="*"/>
</xsl:stylesheet>

转换版本：

    <add>
   <doc>
      <field name="title">abc</field>
      <field name="year">2016</field>
      <field name="genre">comedy</field>
  </doc>
   <doc>
      <field name="title">xyz</field>
      <field name="year">2017</field>
      <field name="genre">animated</field>
  </doc>
   <doc>
      <field name="title">pqr</field>
      <field name="year">2018</field>
      <field name="genre">action</field>
  </doc>
</add>

联机xslt url:在这里输入链接描述