带有Lucene的java索引单个XML文件
我正在编写一个Java应用程序,想用Lucene索引一个Xml文件,以便搜索具有给定目标的药物。文件大小为400MB,包含8000多个药物条目
<drug type="biotech" created="2005-06-13" updated="2015-11-27">
<drugbank-id primary="true">DB00001</drugbank-id>
<drugbank-id>BIOD00024</drugbank-id>
<drugbank-id>BTD00024</drugbank-id>
<name>Lepirudin</name>
....
<targets>
<target position="1">
<id>BE0000767</id>
<name>Epidermal growth factor receptor</name>
....
</target>
....
</targets>
</drug>
<drug>
....
</drug>
如何索引此文件,使一个药物条目成为一个文档? 如果有人有一些关于如何索引此Xml的有用链接/资源或提示,请告诉我:)
# 1 楼答案
最灵活的策略通常是通过一个小型java应用程序just use SolrJ读取文件并将其转换为合适的格式,以便在Solr中编制索引。这样,在Solr接收某些字段之前,您可以轻松地对其进行预处理
另一个选择是use XSL to transform the XML file into something that Solr understands。这可以在服务器端(与链接的XSLTUpdateRequestHandler一样)或客户端(将XML文档转换为更新请求并提交给标准请求处理程序)使用