xml需先解析为结构化数据再索引：solr支持原生xml提交但格式严格（根节点add、字段名匹配schema、日期iso8601等）；elasticsearch必须自行解析xml转json，注意命名空间、字段映射、类型转换及分块上传。
XML 文件本身不能直接被 Solr 或 Elasticsearch 当作索引源；必须先解析成结构化文档（如 Map 或 JSON），再通过 API 提交。Solr 有内置的 XML 解析器，Elasticsearch 没有——你得自己解析。
Solr 中用 POST /update 自动解析 XML
Solr 的 /update 端点原生支持 application/xml，但要求 XML 格式严格符合它的 schema 规则。不是任意 XML 都能喂进去。
- 根节点必须是
<add></add>，每条记录用<doc></doc>包裹 - 字段名必须和
schema.xml（或managed-schema）中定义的<field name="..."></field>完全一致 - 字段值写在
<field name="title">Hello</field>内，不支持嵌套对象或数组语法 - 如果字段类型是
date，值必须是 ISO8601 格式，比如2024-05-20T10:30:00Z
<add>
<doc>
<field name="id">doc_1</field>
<field name="title">XML Indexing</field>
<field name="timestamp">2024-05-20T10:30:00Z</field>
</doc>
</add>
提交命令示例：curl -X POST -H "Content-Type: application/xml" --data-binary @docs.xml http://localhost:8983/solr/mycore/update。别漏掉 --data-binary，否则换行可能被破坏。
Elasticsearch 必须先解析 XML 再构造 JSON 文档
Elasticsearch 不认识 XML，POST /myindex/_doc 只接受 JSON。你得用 Python、Java 或其他语言把 XML 转成字典/对象，再序列化为 JSON。
- Python 推荐用
xml.etree.ElementTree（标准库，轻量）或lxml（支持 XPath，适合复杂结构） - 注意命名空间：如果 XML 带
xmlns，find()会找不到元素，得传入命名空间字典 - 字段名若含特殊字符（如
@type、item.id），需映射为合法的 Elasticsearch 字段名（下划线替换或扁平化） - 日期、数字字段别作为字符串提交，否则排序/范围查询会出错——要显式转成
int或datetime
例如用 Python 解析单个 <record></record>：
import xml.etree.ElementTree as ET
import json
root = ET.fromstring(xml_data)
doc = {
"id": root.find("id").text,
"title": root.find("title").text,
"price": float(root.find("price").text),
"published_at": root.find("date").text
}
print(json.dumps(doc))
大 XML 文件分块上传避免超时或 OOM
几 MB 以上的 XML，一次性读入内存再解析容易触发 Solr 的 requestSizeLimit 或 ES 的 http.max_content_length，也可能耗尽客户端内存。
- Solr：用
<add></add>包裹多条<doc></doc>，但建议每批 ≤ 100 条，加<commit></commit>控制刷盘节奏 - Elasticsearch：用
_bulkAPI，每 1000–5000 条一个请求；XML 解析要用iterparse()流式处理，边读边转，不 load 全文 - 别在循环里反复创建 HTTP 连接——复用
requests.Session()或RestHighLevelClient - ES bulk 响应里检查
"errors": true和具体失败项，status字段非 200 表示该条失败
字段类型不匹配会导致静默丢弃或报错
Solr 和 Elasticsearch 对字段类型的容忍度不同，但都可能让数据“消失”而不报明显错误。
- Solr：往
int字段塞字符串，日志里会报NumberFormatException，但整条<doc></doc>可能被跳过（取决于updateRequestProcessorChain配置） - Elasticsearch：往
keyword字段写数字，会自动转字符串；但反过来——往integer字段写字符串，直接 400 报错mapper_parsing_exception - 两者都要求
id字段唯一；Solr 默认用id，ES 默认用_id，重复提交会覆盖而非报错 - XML 中空标签（
<price></price>）或缺失字段，在转换时得设默认值，否则 ES 可能存null，影响聚合精度
真正麻烦的是那些没报错、却查不到结果的情况——往往卡在字段类型、分词器配置或 XML 节点路径写错上。调试时优先打印出第一条生成的 JSON 或 Solr XML 片段，和 schema 对着看。
