使用Lucene，如果有人搜索“红色谷仓”，你如何返回包含“redbarn”的结果？

Question

我有一个工作搜索，如果有人搜索两个单独的单词（如“红色谷仓”，Lucene很好地返回有“红色谷仓”，“谷仓红色”和“红色拖拉机”旁边的记录大棕色谷仓“。这很好，但结果不会返回任何包含”redbarn“的东西（除非你专门搜索”redbarn“，但是你没有得到”红色谷仓“记录）。

我现在只是使用标准分析仪，但我不确定需要改变什么才能获得我想要的所有记录。

如果重要的话，我在ElasticSearch（引擎盖下是Lucene）之上使用NEST客户端。我研究了各种可用的分析仪和属性，但没有找到合适的组合来实现这一目标。

Answer 1

执行此操作的最佳方法是编写一个将“redbarn”标记为[“red”，“barn”]的分析器。 Lucene已经为德语做过，你可以看一下DictionaryCompoundWordTokenFilter。

Answer 2

标准分析仪适用于大多数情况，但如果您需要详细的文本分析，则需要编写自己的分析仪。

Solr附带的

WorldDelimeterFilter可以解决您的问题。 Solr建立在lucene之上，因此如果您使用solr附带的过滤器，则不会出现问题。请参阅下面的示例：

public class CustomAnalyzer extends Analyzer { 
  public TokenStream tokenStream(String fieldName, Reader reader) { 
    TokenStream ts = new WhitespaceTokenizer(reader); 
    ts = new WordDelimiterFilter(ts, 1, 1, 1, 1, 1); 
    ts = new LowerCaseFilter(ts); 
    return ts; 
  } 
}