使用 Sunspot Solr 搜索部分电话号码

Question

我正在使用 sunspot Solr 搜索引擎开发 rails 应用程序，我需要在 Solr 4.1 中索引电话号码。

例如，如果我有电话号码“+12 (456) 789-0101”，我的页面应该由查询创建：

• +12 (456) 789-0101（电话格式正确）
• +12 (456) 789.........（电话左侧部分格式正确）
• .......(456) 789-0101（电话右侧部分格式正确）

• .......(456) 789............（电话中间部分格式正确）

• 124567890101（仅带数字的完整手机）

• 1245678........（电话左半部分有串联号码）
• ............890101（电话右半部分，带连接号码）
• ......567890......（电话的中间部分，带有连接号码）

我知道我可以使用：

• EdgeNGramFilterFactory 用于将手机拆分为 NGram（正面和背面）
• WordDelimiterFilterFactory 用于连接号码和拆分电话的零件。

那么，我做了什么：

1. 在shema.xml 中创建新的 Solr 字段类型：

   <fieldType name="phone_number" class="solr.TextField"> <analyzer type="index"> <tokenizer class="solr.StandardTokenizerFactory"/> <filter class="solr.EdgeNGramFilterFactory" minGramSize="3" maxGramSize="20" side="front"/> <filter class="solr.EdgeNGramFilterFactory" minGramSize="3" maxGramSize="20" side="back"/> </analyzer> </fieldType>

   <dynamicField name="*_phone" stored="false" type="phone_number" multiValued="true" indexed="true"/>

2. 将可搜索电话字段定义为“*_phone”类型：

   string :work_phone, :as => :work_phone, :stored => true do work_phone.gsub(/\D/, '') if work_phone end

   string :mobile_phone, :as => :mobile_phone, :stored => true do mobile_phone.gsub(/\D/, '') if mobile_phone end

3. 运行重新索引：

   bundle exec rake sunspot:rebuild

   但重新索引完成后它不起作用，我只能通过查询找到结果：“完整手机”和“手机左侧”。用“middle part of phone”和“right part of phone”搜索没有任何结果。

我做错了吗？如何正确使手机部分灼热？ 请帮忙。谢谢！

Answer 1

（仅评论 Solr 部分，不确定 SunSpot 如何映射它）

这里有几件事不太对：

1. side=back 自 Solr 4.4 以来不再是一个选项，因此您可能只是获得了同一个过滤器的两个副本
2. 无论如何，拥有相同过滤器的两个副本是不好的，因为第二个会查看第一个发布的所有令牌，事情会变得一团糟。

这是一个匹配后缀的好方法，考虑到剥离所有随机的非数字内容和索引/查询的不对称性（来自我的AirPair Solr tutorial）：

<fieldType name="phone" class="solr.TextField">
  <analyzer type="index">
    <tokenizer class="solr.KeywordTokenizerFactory" />
    <filter class="solr.PatternReplaceFilterFactory" pattern="([^0-9])" replacement="" replace="all"/>
    <filter class="solr.ReverseStringFilterFactory"/>
    <filter class="solr.EdgeNGramFilterFactory" minGramSize="3" maxGramSize="30"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.KeywordTokenizerFactory" />
    <filter class="solr.PatternReplaceFilterFactory" pattern="([^0-9])" replacement="" replace="all"/>
    <filter class="solr.ReverseStringFilterFactory"/>
  </analyzer>
</fieldType>

请注意，这对使用默认分析器在其中包含空格的查询没有帮助，因为它们将在空格在命中字段分析之前被分解。如果您知道您正在搜索电话号码，您可以引用搜索字符串或切换到不同的 (probably field) 查询解析器。

如果您确实想要匹配中间，也许您不想要任何这些并且只想要 NGram，而不是 EdgeNGram 分析。

Answer 2

实际上，这是我的代码，它有效：

Schema.xml：

    <fieldType class="solr.TextField" name="phone_number" positionIncrementGap="100">       
    <analyzer type="index">         
      <tokenizer class="solr.WhitespaceTokenizerFactory"/>         
      <filter class="solr.LowerCaseFilterFactory"/>         
      <filter class="solr.NGramFilterFactory" minGramSize="3" maxGramSize="20"/>
    </analyzer>       
    <analyzer type="query">         
      <tokenizer class="solr.WhitespaceTokenizerFactory"/>         
      <filter class="solr.LowerCaseFilterFactory"/>         
      <filter class="solr.WordDelimiterFilterFactory" catenateNumbers="1"/>       
    </analyzer>     
    </fieldType>

 <dynamicField name="*_phone"  stored="false"  type="phone_number" multiValued="false" indexed="true"/>
 <dynamicField name="*_phones" stored="false"  type="phone_number" multiValued="false" indexed="true"/>

还有红宝石代码：

  text :work_phone

  text :work_phone_parts, :as => :work_phone do
    "00#{work_phone.gsub(/\D/, '')}" if work_phone
  end

  text :mobile_phone

  text :mobile_phone_parts, :as => :mobile_phone do
    "00#{mobile_phone.gsub(/\D/, '')}" if mobile_phone
  end