如果附件是 docx、pptx、xlsx 格式的类型，couchdb-lucene 将永远坚持索引

如何解决如果附件是 docx、pptx、xlsx 格式的类型，couchdb-lucene 将永远坚持索引

我使用的是安装在 Windows Server 2019 上的 couchdb-lucene 2.2.0。 我使用的 Couchdb 版本是 3.1.1

全文搜索适用于文档属性。我还想根据文档附件的内容进行索引。所以我配置了Design Document如下

{
  "_id": "_design/fts","_rev": "2-ec9dfea8eaa44056d74b44135776ef05","fulltext": {
    "by_message": {
      "index": "function(doc) { var ret=new Document(); if (doc._attachments) {for(var a in doc._attachments){ret.attachment('file',a);}} return ret; }"
    }
  }
}

当我将附件上传到类型为 pdf、txt、word 的文档时，一切正常。下面是在ppt文档中搜索“芝麻街”关键字的结果，效果很好。

C:\Users\serhato>curl "http://localhost:5986/localx/denemeserhat/_design/fts/by_message?q=file:sesame%20street"
{"q":"file:sesame default:street","fetch_duration":0,"total_rows":1,"limit":25,"search_duration":1,"etag":"5fe7a890d6f8","skip":0,"rows":[{"score":0.8342865109443665,"id":"2da37b26c45c8a62f7824f7aab015e01"}]}

然后我上传任何 docx 文件（甚至是一个只有一些纯文本的空文件。对于这个特定问题，我的单词 docx 包含“这是一个示例文档，我在 couchdb-lucene 上有索引问题”文本）或 pptx 附件到任何文件并重新运行上述请求。如果永远给出超时错误。

C:\Users\serhato>curl "http://localhost:5986/localx/denemeserhat/_design/fts/by_message?q=file:sesame%20street"
{"code":500}

日志只显示下面的消息

2021-02-28 12:16:11,608 WARN [HttpChannel] handleException /localx/denemeserhat/_design/fts/by_message java.io.IOException: Search timed out.

如果我尝试使用 word 文档中的“问题”关键字进行搜索，结果是相同的超时。

C:\Users\serhato>curl "http://localhost:5986/localx/denemeserhat/_design/fts/by_message?q=file:problem"
{"code":500}

如果我尝试使用 stale=ok 它会返回空结果。

C:\Users\serhato>curl "http://locahost:5986/localx/denemeserhat/_design/fts/by_message?q=file:problem&stale=ok"
{"q":"file:problem","total_rows":0,"search_duration":0,"etag":"7d0b10eb5800","rows":[]}

所以索引以某种方式永远卡住了。重新启动 Couchdb-Lucene 不会改变任何东西。如果我从 couchdb 中删除带有 docx 文件的文档，然后如果我重新启动 couchdb-lucene，一切都会重新开始工作。

我认为问题与 zip 格式的文档有关，例如 docx、xlsx 和 pptx 等。

我怀疑问题可能与运行 Lucene 的 Windows 有关，所以我决定在 Ubuntu 20.04 服务器上安装 CouchDB 和 CouchDB-Lucene。但结果是一样的。

一切正常，直到我上传 Docx 或 pptx 文档。但它适用于 doc、rtf、txt 和 pdf 文件。