参考资料：

https://cwiki.apache.org/confluence/display/solr/Uploading+Structured+Data+Store+Data+with+the+Data+Import+Handler

https://wiki.apache.org/solr/DataImportHandler

http://wiki.apache.org/solr/TikaEntityProcessor

Solr 通过Dataimport可以对各种文件类型（包括邮件）建索引，也可以对关系型数据库建索引。

前提依赖Jar包

Dataimport从关系型数据库建索引时，依赖以下jar包，这些Jar包位于Solr安装包下面的solr-6.1.0\dist\目录下目录下：

本实例是SQL Server关系型数据库，所以还要添加sqljdbc42.jar到指定路径下。

Dataimport为普通文件建索引时，依赖以下jar包，这些jar包位于Solr安装包的solr-6.1.0\contrib\extraction\lib目录下

 

 

这些jar包在本机上的统一存放位置为：/var/lib/solr/lib/

在solrconfig.xml文件中添加以上jar包的引用。

<lib dir="/var/lib/solr/lib/" regex=".*\.jar" />

一、配置solrconfig.xml

         
            
       
        tika-data-config.xml
             
       
        uuid
               
        
     

二、配置tika-data-config.xml

在文件solrconfig.xml同级目录下，新建文件tika-data-config.xml，tika-data-config.xml文件中的内容配置如下：

 

文件实体属于简介 

一个简单的实体处理程序,可以用于枚举标准文件系统中的文件列表,它不需要使用DataSource.属性如下:

• fileName:(必填) 用正则表达式来标记文件名
• baseDir:(必填) 基础目录,绝对路径.
• recursive:是否递归文件列表,默认为false.
• excludes:不包括的文件名的正则表达式
• newerThan:日期参数,格式: (yyyy-MM-dd HH:mm:ss),它也可以是一个数学日期,如('NOW-3DAYS'),其中的单引号是必填的.也可以是一个有效的变量格式,如(${var.name}).
• olderThan :日期格式,规则同上.
• biggerThan:整型参数.
• smallerThan:整型参数.
• rootEntity:它一般情况下都是false(除非你只索引文件名).直属于<document>下的实体才是根实体.那就意味着,根实体发出的每一行都会被solr/lucene创建.但是在这种情况下,我们不希望一个文件对应一个文档(document).我们希望生成一个文档(document),每一行的发出都是由下面的实体'x'来完成的.因为实体'f'包含了rootEntity=false,直属实体f下的实体就变成了一个根实体.
• dataSource:数据源

 

错误记录

【错误一】 org.apache.zookeeper.KeeperException$NoNodeException: KeeperErrorCode = NoNode for /configs/collection2/dataimport.properties

【解决方法】在配置文件conf/目录下添加一个空的dataimport.propertie文件。