PatternTokenizerFactory 和停用词

Question

solr/lucene 中的一个名为 COLORS 的文档字段包含如下一组单词：

field1：蓝色/深红色/绿色 字段2：蓝色/黄色/橙色 [...]

我需要对其进行分面搜索以获取所有颜色和每种颜色的计数。 首先我尝试了 PatternTokenizerFactory，然后是停用词列表：

<analyzer>
        <tokenizer class="solr.PatternTokenizerFactory" pattern="/" />
        <filter class="solr.LowerCaseFilterFactory"/>
        <filter class="solr.TrimFilterFactory" />
        <filter class="solr.StopFilterFactory"
                ignoreCase="true"
                words="stopwords"
        enablePositionIncrements="true"
        />
</analyzer>

不幸的是，停用词列表接缝被忽略。停用词出现在分面搜索结果中。

SO question 描述了同样的问题。不幸的是，发布的解决方案对我不起作用，因为我不能使用 solr.StandardTokenizerFactory，因为标准标记器也会在 whitspaces 上拆分标记。这意味着“深红色”变成“深色”和“红色”，这是错误的。

有没有办法使用模式分词器？

感谢您的任何帮助！

Answer 1

供您参考：构面、模式标记器和停用词将在 lucene / solr 4 中工作 :-)