如何关闭Solr Cell的元数据提取并修改请求处理器设置？

可以关闭Solr Cell的元数据提取功能，通过修改solrconfig.xml中的提取请求处理器配置即可实现，具体步骤如下：

1. 找到Solr核心目录下的solrconfig.xml文件，定位到定义/update/extract请求处理器的节点（若使用自定义提取处理器，找到对应的handler节点即可）。

2. 在该处理器的<lst name="defaults">配置块中，添加以下参数来禁用元数据提取：

   • 跳过所有元数据字段：添加<str name="skip">*</str>，该参数会让Solr Cell跳过所有元数据字段的提取，仅保留文档正文内容。
   • 仅提取内容字段：配合skip参数，可添加<str name="capture">content</str>，明确指定只提取content字段（即文档正文），进一步确保元数据不会被捕获。
   • 映射元数据到忽略字段：另一种方式是用<str name="fmap.*">ignored</str>，将所有元数据字段映射到一个不存在的ignored字段，这些元数据会被自动丢弃（需确保你的schema中未定义ignored字段，或该字段未设置索引）。

3. 修改后的请求处理器配置示例：

<requestHandler name="/update/extract" class="org.apache.solr.handler.extraction.ExtractingRequestHandler">
  <lst name="defaults">
    <str name="lowernames">true</str>
    <str name="uprefix">ignored_</str>
    <!-- 禁用元数据提取的配置 -->
    <str name="skip">*</str>
    <str name="capture">content</str>
  </lst>
</requestHandler>

4. 保存solrconfig.xml并重启Solr服务，配置即可生效。

如果只是临时需要禁用元数据提取，也可以在发送索引请求时直接携带参数，无需修改配置文件：

curl -X POST "http://localhost:8983/solr/[你的核心名]/update/extract?skip=*&capture=content" -F "file=@[你的文档路径]"

内容的提问来源于stack exchange，提问作者lenchester