使用 Solr 和 tomcat 进行 Java 编码

Question

我在 solr 的编码方面遇到了问题。我们在两台不同的服务器上有“相同”的设置，但其中一台能够在没有 ???字符，但测试服务器遇到了麻烦。

Solr 结果示例:
生产服务器:

effet sur l’acquisition des connaissances »\n\n#12;#12;EFFET D’UNE SÉQUENCE  

测试服务器:

effet sur l’acquisition des connaissances »\n\n��EFFET D’UNE SÉQUENCE D’ENSEIGNEMENTS

我在两台服务器上运行相同版本的 java:

java version "1.7.0_80"
Java(TM) SE Runtime Environment (build 1.7.0_80-b15)
Java HotSpot(TM) 64-Bit Server VM (build 24.80-b11, mixed mode)

两者都有相同的 Java 选项:

JAVA_OPTS=" -Dfile.encoding=UTF-8 "

两个 solr 具有相同的 Java 属性(在 UI 中)。

#12; 是什么意思？什么意思？

问题出在哪里？

操作系统:

• Ubuntu 14.04

软件:

• Tomcat 8.0.43
• 空间 6.0
• Solr 4.10.4

编辑: 两台服务器上的语言环境输出:

LANG=en_CA.utf8  
LANGUAGE=en_CA:en
LC_CTYPE="en_CA.utf8"
LC_NUMERIC="en_CA.utf8"
LC_TIME="en_CA.utf8"
LC_COLLATE="en_CA.utf8"
LC_MONETARY="en_CA.utf8"
LC_MESSAGES="en_CA.utf8"
LC_PAPER="en_CA.utf8"
LC_NAME="en_CA.utf8"
LC_ADDRESS="en_CA.utf8"
LC_TELEPHONE="en_CA.utf8"
LC_MEASUREMENT="en_CA.utf8"
LC_IDENTIFICATION="en_CA.utf8"
LC_ALL=

谢谢!

Answer 1

问题不在于编码，而在于 DSpace 的工作方式。我必须运行命令:

./dspace filter-media -f 

此命令将从 PDF 重新生成 .txt 文件并重新索引文档。所以每次我尝试用正确的编码索引文档时，它都没有改变任何东西。