Solr, indexar arquivos .pdf ou .doc ou .txt ?

[alexjose123 0]

senhores como é possível indexar arquivos com extensão .pdf ou .doc ou .txt para depois realizar uma pesquisa no navegador?

[Vergil 15]

Primeiro você precisa criar mecanismos para extração de texto do arquivo para depois indexar o texto. Existem APIs que fazem isso pra você. De cabeça, só consigo me lembrar da PDFBox da Apache. Que entre outras coisas extrai texto de documentos PDF. Dá uma pesquisada no Google ou mesmo no sítio da apache foundation que você vai achar bastante coisa.

[alexjose123 0]

Caríssimo, como faço isso?

Há algum passo-a-passo

básico para construção deste

sistema ?

 

 

Primeiro você precisa criar mecanismos para extração de texto do arquivo para depois indexar o texto. Existem APIs que fazem isso pra você. De cabeça, só consigo me lembrar da PDFBox da Apache. Que entre outras coisas extrai texto de documentos PDF. Dá uma pesquisada no Google ou mesmo no sítio da apache foundation que você vai achar bastante coisa.