Kazuhira https://blog.hatena.ne.jp/Kazuhira/ CLOVER🍀 https://kazuhira-r.hatenablog.com/ Lucene Solr これまでに、Apache Solrとcrawler4jでHTMLをクローリングしてインデックスするのと、Apache Tikaを使ってPDFを読んでみるエントリを書いてみました。Apache Solr 5.x＋crawler4jで、Webサイトをクロールしてインデックス化する - CLOVERApache TikaでPDFを読む - CLOVER今度は、これらを使ってHTMLとPDFをクローリングしてSolrのインデックスを作ってみたいと思います。 やり方 全体の流れは、以下のようにします。 VMwareのドキュメントサイトの一部（http://info.vmware.com/content/… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fkazuhira-r.hatenablog.com%2Fentry%2F20151018%2F1445156573" title="Apache Solr 5.x／crawler4j／Apache Tikaを使って、HTMLとPDFをクローリングしてインデックスを作る - CLOVER🍀" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> Hatena Blog https://hatena.blog 2015-10-18 17:22:53 rich https://kazuhira-r.hatenablog.com/entry/20151018/1445156573 1.0 100%