使用Solr CELL的ExtractingRequestHandler从包格式索引/提取文件
你可以使用ExtractingRequestHandler和Tika与任何压缩文件格式（zip，tar，gz等）来提取内容以进行索引吗？
我正在使用curl发送solived archived.tar文件。 curl“ http：// localhost：8983 / solr / update / extract？literal.id = doc1＆fmap.content = body_texts＆commit = true ” -H’Content -type：application / octet-stream’ – data-binary“@ / home /archived.tar“我查询文档时得到的结果是归档中的文件名被索引为”body_texts“，但这些文件的内容未被提取或包含。 这不是我预期的行为。 参考： http ： //www.lucidimagination.com/Community/Hear-from-the-Experts/Articles/Content-Extraction-Tika#article.tika.example 。 当我使用相同的curl命令在存档中发送1个实际文档时，提取的内容然后存储在“body_texts”字段中。 我错过了压缩文件的步骤吗？
我在http://outoftime.lighthouseapp.com/projects/20339/tickets/98-solr-cell中添加了所有提取依赖项，如mat所示，并且能够成功从MS Word，PDF，HTML文档中提取数据。
我正在使用以下库版本。 Solr 1.40，Solr Cell 1.4.1，Tika Core 0.4
鉴于我所读到的所有内容，此版本的Tika应支持从压缩文件中的所有文件中提取数据。 任何帮助或建议将不胜感激。
简短回答：Solr Cell 1.4.1和Tika Core 0.6。
答案很长：在经历了很多头痛之后我才能让这个工作起来。 我将为使用solr的人和使用solr与Ruby库太阳黑子的人（这是我的问题）回答它。
这就是我所做的：我使用这个https://github.com/tomasc/sunspot_cell插件来扩展太阳黑子并给它附件function。 （如果你不使用ruby/太阳黑子，请忽略此步骤）
v1.4.1适用于单个文件，但不适用于压缩文件，所以我不得不探索一下。 我从http://lucene.apache.org/solr/下载了v1.4.1代码库并抓住了dist / apache-solr-cell-1.4.1.jar然后我不得不从1.5分支http中删除Tika库：//svn.apache.org/viewvc/lucene/solr/branches/branch-1.5-dev/contrib/extraction/lib/ 。
您可以单独下载每个，或者您可以使用svn来检查分支
svn co http://svn.apache.org/repos/asf/lucene/solr/branches/branch-1.5-dev 或者只是签出图书馆文件夹：
svn co http://svn.apache.org/repos/asf/lucene/solr/branches/branch-1.5-dev/contrib/extraction/lib/