solr - SOLR データ入力ハンドラー (DIH): インデックス作成中に電子メール アドレスを抽出し、別のフィールドに入力しますか?

Question

大きなテキスト エントリを含む main_text というフィールドがあります。

新しいコレクションを作成してデータのインデックスを再作成したいのですが、このフィールドからすべてのメール アドレスを email_fields という新しい特別なフィールドに抽出したいと考えています。

それを行うための最良の方法は何ですか？

使用するハンドラは? DIH? 別 ？この新しいフィールドの型は何ですか?

Answer 1

DataImportHandler を使用するには、次のようなものをdata-config.xmlファイルに追加する必要があります。

<field column="email_fields" regex="(/S+@/S+)" sourceColName="main_text"/>

これにより、正規表現に一致する電子メール アドレスが検索されます/S+@/S+。この正規表現は、実際の使用に適したものに変更する必要があります。

フィールドのタイプは、検索方法によって異なりますが、おそらくstringortext_generalである必要があります。各ドキュメントに複数の電子メールがあると予想される場合は、複数の値を持つ必要があります。