Solr搜索部分句子

Question

我们在使用Solr搜索搜索部分句子时遇到了麻烦。我们对以下结果尝试了不同的查询：

<doc>
    <str name="id">7975</str>
    <str name="name">Ici Paris XL geschenkset aanbieding</str>
    <long name="_version_">1467524712314699776</long></doc>
</doc>
<doc>
    <str name="id">7976</str>
    <str name="name">De tuinen geschenkset aanbieding</str>
    <long name="_version_">1467524712315748352</long></doc>
</doc>

我们尝试搜索：

• *:*返回所有内容
• *Paris*只返回第一个onen（使用巴黎，这是正确的）
• *Paris*XL*只返回第一个
• *paris*XL*什么都不返回（大写P现在是小写的）
• *(Paris XL)*返回所有内容
• *"Paris XL"*返回所有内容
• (Paris XL)不返回任何内容
• "Paris XL"不返回任何内容

我们想要的是能够搜索“Paris XL”（带空格）并返回第一个结果。所以我们可以搜索部分句子。那可能吗？怎么样？

Answer 1

你缺少的是Lucene和Solr如何进行搜索的基本部分。 Solr不会搜索，但它会在为某组文档创建的索引中查找搜索的标记（单词）。这样的索引 - 非常简化 - 就像每本书末尾的索引一样。您可以在那里查找每个单词放在实际文本中的位置。

目前，您的字段名称根本没有标记，因为您使用fieldType 字符串。这意味着该字段的整个内容被索引为一个字。这是一个问题，正如您已经注意到的那样。

当您现在搜索paris时，Solr会查看索引并搜索其中是否存在令牌paris。但事实并非如此。以您发布的两个示例为例，您的索引包含两个条目

1. Ici Paris XL geschenkset aanbieding
2. De tuinen geschenkset aanbieding

这些条目中的每一个都需要相等到paris - 从正面到结尾 - 以产生命中。不是这种情况。所以你用通配符*包围了巴黎。这使得Solr可以查看索引的每个条目，这将导致非常非常非常糟糕的性能。

---

那么你应该怎么做才能解决这个问题？开始标记化！这被描述得相当不错in the official documentation或the Solr Tutorial。

---

最后，您将在 schema.xml 中添加自定义fieldType，类似于此

<fieldType name="text_general" class="solr.TextField">
  <analyzer>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

然后，您需要将字段名称的fielType更改为新的fielType，并且您需要重建索引。

然后你的索引将包含更多的字段名称条目，而不仅仅是上面的两个条目，而是这些条目

1. ici
2. 巴黎
3. xl
4. geschenkset
5. aanbieding
6. de
7. tuinen

然后您可以查询"paris xl"。在搜索之前和之后记录叛逆者。这使得Solr执行短语查询，因此只有paris后面跟xl时才会产生匹配。