datetime - nutch-solr:将网页元数据中的日期格式化为正确的Solr格式

Question

我目前正在配置nutch和solr来索引网页及其元数据。
有一些元数据标签包含格式为yyyy-mm-dd的日期，因此它们错过了所需的时间格式扩展名才能用作solr.DateField或solr.TrieDateField。
我想在日期字段上使用日期范围，如果不采用以下一种格式，就无法使用，对吗？

目前，我的日期以文本形式包含在架构中：

<fieldType name="string" class="solr.StrField" sortMissingLast="true" omitNorms="true"/>
... 
<field name="Date Modified" type="string" stored="true" indexed="true" multiValued="true"/>

每当我将其用于字段定义时...

<fieldType name="date" class="solr.TrieDateField" omitNorms="true" positionIncrementGap="0"/>
<field name="Date Modified" type="date" stored="true" indexed="true" multiValued="true"/>

...我收到此错误消息：

2012-05-02 23:45:58,370 WARN  mapred.LocalJobRunner - job_local_0029
org.apache.solr.common.SolrException: ERROR: [doc=http://ec.gc.ca/] Error adding field     'Date Modified'='2011-12-05'

ERROR: [doc=http://ec.gc.ca/] Error adding field 'Date Modified'='2011-12-05'

request: http://localhost:8983/solr/update?wt=javabin&version=2
    at     org.apache.solr.client.solrj.impl.CommonsHttpSolrServer.request(CommonsHttpSolrServer.java:430)
    at     org.apache.solr.client.solrj.impl.CommonsHttpSolrServer.request(CommonsHttpSolrServer.java    :244)
    at     org.apache.solr.client.solrj.request.AbstractUpdateRequest.process(AbstractUpdateRequest.j    ava:105)
    at org.apache.solr.client.solrj.SolrServer.add(SolrServer.java:49)
    at org.apache.nutch.indexer.solr.SolrWriter.close(SolrWriter.java:93)
    at     org.apache.nutch.indexer.IndexerOutputFormat$1.close(IndexerOutputFormat.java:48)
    at org.apache.hadoop.mapred.ReduceTask.runOldReducer(ReduceTask.java:474)
    at org.apache.hadoop.mapred.ReduceTask.run(ReduceTask.java:411)
    at org.apache.hadoop.mapred.LocalJobRunner$Job.run(LocalJobRunner.java:216)
2012-05-02 23:45:58,966 ERROR solr.SolrIndexer - java.io.IOException: Job failed!

我浏览了不同的论坛，但没有找到有效的解决方案。我可能错过了有关数据导入处理的信息。
我是否需要更改螺母配置中的内容才能以正确的格式获取日期字段？

非常感谢！

祝一切顺利

Answer 1

看看DateField docs。它包含日期正确格式的一些示例。这应该没问题：2011-12-05T00:00:00Z。将日期发送给Solr之前，不要忘记将日期转换为UTC。

但是，您的问题更多是如何告诉nutch在将该字段转换为正确格式的日期作为索引。我看了一下源代码，但还没有找到开箱即用的方法。我猜您应该编写一些代码，可能扩展您正在使用的插件，甚至可以将其回馈给项目。