如何在 solr 中进行复杂的短语关键字搜索

Question

谁能告诉我如何在 solr 中进行复杂的短语搜索，例如：如果用户输入“and MAC F1:65”，结果中应该有“and MAC F1:65”，这似乎如果我通过以下查询，则对以 F1:65 开头的 MAC 地址（MAC 地址为 F1:65:CA:F0:00:00 ）工作正常。

display_string:"and MAC F1:65"

但是如果只想搜索MAC地址的一部分，假设我的查询是“and MAC 65:CA”，即使我转义了分号，上面的命令也不起作用，我也尝试过传递通配符，但是他们也不工作。

还有，这是什么意思：

"msg": "查询中没有指定字段名，也没有通过'df'参数指定默认值"

我是初学者，我花了两天时间试图解决这个问题，我需要一个插件来做到这一点吗？

编辑：如果我使用 dismax 插件将查询分解为 (+and +MAC +65\:CA)，它会起作用，但是 Lucene 查询没有其他方法可以做到这一点吗？

这是核心的架构：

<schema name="autoSolrSchema" version="1.5">
<types>
<fieldType class="org.apache.solr.schema.TextField" name="TextField">
<analyzer>
<tokenizer class="solr.StandardTokenizerFactory"/>
<filter class="solr.LowerCaseFilterFactory"/>
</analyzer>
</fieldType>
<fieldType class="org.apache.solr.schema.TrieDateField" name="TrieDateField"/>
<fieldType class="org.apache.solr.schema.UUIDField" name="UUIDField"/>
<fieldType class="org.apache.solr.schema.TrieIntField" name="TrieIntField"/>
<fieldType class="org.apache.solr.schema.StrField" name="StrField"/>
</types>

<fields>...

Answer 1

因为您有两个不同的问题：

display_string 是否命中取决于字段 display_string 的定义，以及它的处理方式。如果它是string (StrField)，那么您将无法在该领域中击中任何东西。如果它是text_general（这是示例配置中提供的默认类型之一），'down' 和 'new' 至少应该会命中，而 '65:CA' 也应该有效 - 尽管这里可能存在差异基于字段的处理方式。

错误消息no field name specified in query and no default specified via 'df' param 的确切含义是 - 您没有在查询中包含字段名称，并且 Solr 不知道默认搜索哪个字段，因为也没有提供 df 参数。 foo:bar 在 foo 字段中搜索值 bar，但如果您只提供 bar，Solr 不知道要搜索哪个字段，除非存在 df（或配置中的 defaultSearchField，是这样做的旧方式）。

如果您使用的是 (e)dismax 查询解析器，您还可以使用 qf 参数一次搜索多个字段，并包括不同字段之间的权重。 qf=display_string macaddr 将同时搜索 display_string 和 macaddr 字段。

Answer 2

当您在词条查询中使用double quotes 时，它会将其视为短语，并且查询中的所有词条应以与查询中的顺序相同的顺序出现。这就是为什么，当您提供 mac 地址的前缀时，您可以匹配/搜索 mac 地址。

第二种情况，使用+ 运算符。 + 运算符要求+ 符号之后的术语存在于字段中的某处。所以现在它不依赖于术语的顺序，术语必须存在于该字段中。你不需要 dismax 插件来实现这个功能。您需要使用+ 运算符来表示must 现有术语。

其他方式可能是使用 (Edge)N-Gram 过滤器来生成不同的标记并对其进行索引。在我看来，这对你来说不是必需的。它还会增加您的索引大小。

您可能还想了解分析器在索引和查询数据时正在做什么。

数据：机器地址（00:1R:54:C8:CD:30）

<fieldType class="org.apache.solr.schema.TextField" name="TextField">
  <analyzer>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

StandardTokenizer 标记器将文本字段拆分为标记，将空格和标点符号视为分隔符。 LowerCaseFilter 将每个标记中的字母小写。因此，当您索引数据时，它会将 mac 地址拆分为六个单独的令牌并对它们进行索引。查询阶段也是如此。

---

我发现，StandardTokenizer 在某些情况下不会通过拆分 mac add 的部分来创建令牌。例如CA:F0 没有分成两个标记。

请尝试以下配置：

<fieldType class="org.apache.solr.schema.TextField" name="TextField_Pattern">
    <analyzer>
        <tokenizer class="solr.PatternTokenizerFactory" pattern=":"/>
        <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
</fieldType>

这是使用PatternTokenizer 而不是StandardTokenizer。 PatternTokenizer 将始终通过拆分部分 mac 地址来生成令牌。

以下是部分搜索的示例。我已经获取了mac地址的替代部分并进行了搜索。