Question

如果我搜索toto.pdf，会为搜索创建一个标记“pdf”，以便索引某些数据，包括文件名。

我想要的是，根据索引文件名：

MySupercool123girlfriend.jpg

并且能够将其与：

联系起来

supercool
supercool123
123
girlfriend
jpg

所以在索引处很容易使用WordDelimiterFilterFactory来创建一些标记，如：

my
supercool
mysupercool
mysupercool123
supercool123
123
girlfriend
jpg
girlfriend.jgp
etc...

问题是，在搜索时，我真的不知道该怎么做。

如果我在搜索时使用WordDelimiterFilterFactory，MySupercool123girlfriend.jpg甚至会与toto.jpg匹配，因为在这两种情况下都会创建一个令牌jpg。 toto.jpg根本不应该在结果列表中，因此对于我来说，使用具有更好得分的合适结果并不是一个解决方案

您是否有建议索引和搜索文件名？

Answer 1

对于你的这个具体例子，即如果搜索是MySupercool123girlfriend.jpg，并且你希望它只返回包含整个字符串的文档，你可以保留一个copyField，比如名为{{ 1}}，其fieldType为filename_str。字符串匹配将确保您获得完全匹配。这可能是您进行的第一级“完全匹配”搜索。

但是，我猜您希望搜索string以返回包含123girlfriend.jpg的文档。您可以进行二级搜索。从Solr 4.0开始，你可以进行像

这样的正则表达式搜索

MySupercool123girlfriend.jpg

（如果您在索引时在WordDelimiterFilterFactory中使用q=filename_str:/.*123girlfriend.jpg/，则此正则表达式查询也适用于filename字段本身。）否则你可以做一个leading wild-card search，它也适用于早期的Solr版本。

如果您还希望preserveOriginal=1与MySupercool.jpg匹配，那么我猜你必须手动完成DelimiterFilterFactory的工作并构建一个像

这样的正则表达式查询

MySupercool123girlfriend.jpg

另一个问题是q=filename_str:/.*My.*Supercool.*.jpg/将匹配大量文档，因此您可能希望拆分文件名和扩展名，并将它们保存为单独的字段。

Answer 2

你能为你的用例DisMax mm参数找到一些有意义的吗？

请参阅http://wiki.apache.org/solr/DisMaxQParserPlugin#mm_.28Minimum_.27Should.27_Match.29

E.g。 mm = 100％，“MySupercool123girlfriend.jpg”只匹配其中包含所有[“my”，“supercool”，“123”，“boys”，“jpg”]条款的文件名

您可以找到一些不太严格但仍然给出相关结果的表达式。见http://lucene.apache.org/solr/4_1_0/solr-core/org/apache/solr/util/doc-files/min-should-match.html

Lucene使用WordDelimiterFilterFactory搜索文件名

2 个答案: