我如何索引HTML文件到Apache Solr实现？ [英] How do I index HTML files into Apache SOLR?

问题描述

在默认情况下SOLR接受XML文件，我想执行上百万抓取网址（HTML）的搜索。

By default SOLR accepts XML files, I want to perform search on millions of crawled URLS (html).

推荐答案

您可以下载索引html文件，使用Solr非常好。

You can index downloaded html file with solr very well.

这是我做了我的索引以最快的方式：

This is the fastest way that I did my indexing:

curl http://localhost:8080/solr/update/extract?stream.file=/home/index.html&literal.id=www.google.com

下面 stream.file 是HTML文件的本地路径和 literal.id 是URL从 index.html的。

Here stream.file is the local path of your html file and literal.id is url from index.html.

这篇关于我如何索引HTML文件到Apache Solr实现？的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！