apache - 在SOLR中查询时忽略特殊字符

Question

我想在 SOLR 查询期间忽略特殊字符。 例如 : 假设我们在 SOLR 中有一个文档，内容为 content:My name is A-B-C 。

内容:A-B-C 返回文档 但 content:ABC 不返回任何文档。

我的要求是 content:ABC 应返回该文档。 所以基本上我想在查询期间忽略这一点。

Answer 1

要在标记之间有特殊字符时连接标记(即 A-B-C 应匹配 ABC 而不仅仅是 A)，您可以使用PatternReplaceCharFilter 。这将允许您用空字符串替换所有这些字符，从而有效地将 ABC 提供给分析过程的下一步。

<analyzer>
  <charFilter class="solr.PatternReplaceCharFilterFactory"
             pattern="[^a-zA-Z0-9 ]" replacement=""/>
  <tokenizer ...>
  [...]
</analyzer>

这将保留所有常规 ascii 字母、数字和空格，同时用空字符串替换任何其他字符。您可能需要调整该字符组以包含更多字符，但这取决于您的原始内容及其处理方式。

在索引和查询时都应该执行此操作(只要您希望用户也能够查询 A-B-C)。如果您想对这些匹配进行不同的评分，请使用具有不同分析链的多个字段 - 例如，保留一个字段仅对空白进行标记，然后在以下情况下将其提升得更高(使用 qf=text_ws^5 other_field):您在 A-B-C 上有匹配项。

这不会改变该字段实际存储的内容，因此返回的数据仍然相同 - 只是匹配的执行方式相同。