xml - Solr 索引在分隔符上拆分字段

Question

我正在尝试使用一些数据设置 Solr 索引，但是我想将我的字段之一作为管道分隔并在 Solr 端拆分，例如

<doc>
 <add>
  <field name="cat">a|b|c<field>
 </add>
</doc>

对于声明为

的多值字段

<field name="cat" type="str_split_on_pipe" indexed="true" stored="true" multiValued="true" omitNorms="true" />

管道类型的拆分是

<fieldType name="str_split_on_pipe" class="solr.TextField" positionIncrementGap="100" >
  <analyzer type="index">
      <tokenizer class="solr.PatternTokenizerFactory" pattern="\|\s*" />
      <filter class="solr.LowerCaseFilterFactory"/>
      <!--<filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="0"/>-->
      <!-- this filter can remove any duplicate tokens that appear at the same position - sometimes
     possible with WordDelimiterFilter in conjuncton with stemming. -->
      <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
  </analyzer>
  <analyzer type="query">
      <tokenizer class="solr.PatternTokenizerFactory" pattern="\|\s*" />
      <filter class="solr.LowerCaseFilterFactory"/>
      <!--<filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="0"/>-->
      <!-- this filter can remove any duplicate tokens that appear at the same position - sometimes
     possible with WordDelimiterFilter in conjuncton with stemming. -->
      <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
  </analyzer>
</fieldType>

我希望这与我发送包含三个不同 cat 字段的文档一样，但它似乎并没有做太多，只是不断返回我的竖线分隔列表。

我正在尝试做的事情是否可行，如果可行，我哪里出错了？

谢谢， 阿马尔

Answer 1

使用 PatternTokenizer 将仅更改内部表示而不更改存储的值。如果您希望 Solr 将其视为具有多个可显示值的多值字段，那么您需要发送 3 个不同的 cat 字段。

如果您正在使用 DataImportHandler，那么您可以使用 RegexTransformer 来拆分数据。