Nutch 1.19配置Solr 8.11.2附加索引字段无效求助

• Solr字段配置位置错误
  你提供的代码里字段定义写在了</fields>闭合标签上方，必须确保所有<field>标签都放在<fields>与</fields>标签之间——Solr只会解析这个范围内的字段定义，若写在闭合标签之后，配置等于无效。

• Nutch未完成h1/h2/h3的提取与映射配置
  仅在Solr添加字段是不够的，Nutch需要先从页面中提取这些内容，再映射到Solr字段：

  1. 编辑conf/parse-html-plugin.xml，添加标签提取规则：

     <tag name="h1" extract="text" store="true" />
     <tag name="h2" extract="text" store="true" />
     <tag name="h3" extract="text" store="true" />
     

  2. 编辑conf/index-mapping.xml，配置Nutch字段到Solr字段的映射：

     <field dest="h1" source="h1" />
     <field dest="h2" source="h2" />
     <field dest="h3" source="h3" />
     

  完成这两步，Nutch才会把提取到的标题内容传递给Solr。

• Solr核心未使用修改后的schema.xml
  Solr 8.x默认使用managed-schema作为核心配置文件，而非你修改的plugins/indexer-solr/schema.xml。你需要：

  • 查看Solr核心的solrconfig.xml，确认当前使用的schema文件路径；
  • 若使用managed-schema，把你添加的字段和copyField规则同步到该文件中；
  • 或者修改solrconfig.xml，指定使用schema.xml（需重启Solr生效）。

• 未重启Solr核心/服务
  修改Solr schema后，必须通过Solr Admin的「Core Actions -> Reload」重新加载核心，或直接重启Solr服务，新配置才会生效。

• Nutch未成功提取h1/h2/h3内容
  用nutch readseg命令检查爬取的segment数据，确认Nutch是否真的提取到了目标字段：

  nutch readseg -dump /path/to/your/segment /tmp/seg-dump
  

  查看/tmp/seg-dump中的内容，如果没有h1、h2、h3字段，说明Nutch的页面解析环节配置有误。

• copyField配置存在问题
  确保<copyField>标签放在正确位置（一般在</fields>之后、其他顶级标签之前），且source和dest的字段名拼写正确，比如确认text字段确实存在于你的Solr schema中。

内容的提问来源于stack exchange，提问作者ayhan