搜索时忽略变音符号

Question

我正在使用Compass / Lucene来搜索和索引我的数据库。我想在搜索时忽略变音符号和字符大小写，这样查询“foo”将匹配“Fóo”和“foo”，查询“fóó”将匹配“fóo”和“fOO”。

基于我所读到的内容，似乎我需要更改Compass在索引和搜索我的上下文时使用的默认分析器。我已经找到了指定要使用的分析器的位置，但我似乎无法找到满足我要求的分析器实现。是否已经存在一个忽略变音符号和字符大小写的分析器，或者我是否需要编写自己的分析器？

Answer 1

看看org.apache.lucene.analysis.ASCIIFoldingFilter，看看它是否符合您的要求。如果没有，我会用它的来源作为自己编写的起点。

你是必须使用相同的Analyzer配置进行索引和查询是正确的，原因很明显，如果你从索引中删除了所有的变音符号，你需要从任何查询中删除它们还

要注意的一件事是确保在索引/查询过程中将任何unicode规范化。有关具体信息，请参阅：http://unicode.org/reports/tr15/，http://unicode.org/faq/normalization.html和http://docs.oracle.com/javase/6/docs/api/java/text/Normalizer.html。

编辑：如下面的评论所述，作为过滤器，您不能直接使用ASCIIFoldingFilter作为分析器，但是有关于将它包含在分析器中的直接说明：stackoverflow.com/a/3834244/390153

编辑：正如@jspboix在下面的评论中所提到的，你还需要链接LowerCaseFilter来处理字符大小写。

Answer 2

在我的Grails应用程序中，我使用可搜索的插件并将系统配置为使用“德语”分析器：

compassSettings = ['compass.engine.analyzer.default.type': 'German']

至少忽略了这种情况和变音符号 - “ä”在索引中存储为“a”。

我刚刚将“Fóo”和“Föo”添加到我的一个测试文档中并搜索“foo” - 它找到“Föo”而不是“Fóo”。所以我想如果你把语言切换到正确的值（法语？）它应该可以工作。