带有“-”连字符分隔符的 Solr 搜索问题答案

【问题标题】：Solr search issue with "-" hyphen delimiters带有“-”连字符分隔符的 Solr 搜索问题
【发布时间】：2016-02-10 16:49:53
【问题描述】：

我已在分析器下方应用的文本类型字段中为 726719-B21 编制索引。

<analyzer type="index">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <charFilter class="solr.HTMLStripCharFilterFactory"/>
        <charFilter class="solr.MappingCharFilterFactory" mapping="mapping-ISOLatin1Accent.txt"/>
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
        <filter class="solr.LowerCaseFilterFactory"/>
        <filter class="solr.PorterStemFilterFactory"/>
      </analyzer>

现在，当我搜索此单词时，连字符用作分隔符，因此它将获取包含 726719 以及 B21 的结果。我只想要具有 726719-B21 的结果。

如何使用/配置 WordDelimiterFilterFactory 搜索词 726719-B21？

我怎样才能做到这一点？请提出建议。

【问题讨论】：

标签： solr

【解决方案1】：

StandardTokenizerFactory 将明确拆分- 上的任何令牌：

请注意，单词在连字符处分开。

ClassicTokenizerFactory 是同一个 Tokenizer 的旧版本，但它有一个特殊的规则：

单词在连字符处被分割，除非单词中有数字，在这种情况下，标记不会被分割并且数字和连字符被保留。

这是否合适取决于您的意见。如果你能有 726719-BAT，那它就不适合了。

另一种选择是只使用WhitespaceTokenizerFactory，它只会在实际空白处拆分（java 的测试isWhitespace() 评估为真）。

但是，如果您只是将 726719-B21 索引到该字段中并且只想完全匹配它，则可以使用 StrField 代替（通常在您的架构中定义为 string） - 或者如果您希望它是大小写不敏感，使用KeywordTokenizer 和小写过滤器。

您在序列中定义的其他过滤器也可能会以基本方式更改您的内容（例如词干提取，如果它们与任何预定义的模式集匹配，则标记的末尾将被删除）。

【讨论】：

我已经尝试过使用 WhitespaceTokenizerFactory，但没有运气。此外，我无法将其添加到字符串字段或 StrField 中。因为要求也是用小写搜索。
@Ankita 请记住，您必须在更改标记器后重新索引任何内容，而我对 KeywordTokenizer 的其他建议将按原样保留该值，但可能使用小写过滤器使其不区分大小写.

【解决方案2】：

您始终可以使用邻近搜索。

这很令人头疼，但您不需要重新索引数据。

“726719 B21”~1

它并不完美（因为它会找到 B21-727719）但它可能已经足够好了。

【讨论】：