Question

我有一个Solr 4.7.0实例，索引中有200 000个文档（文件系统上每个文件一个文档），由多个用户使用。文档由关键字标识，索引并存储在名为＆＃34; signature_1＆＃34;的一个字段中。在索引期间，我删除了我用空格替换的所有类型的标点符号（感谢ScriptUpdateProcessor），因此我的关键字用空格分隔，分别在字段signature_1（fieldtype signature）的索引和存储部分中。

<fieldType name="signature" class="solr.TextField" positionIncrementGap="100" autoGeneratePhraseQueries="true">
  <analyzer type="index">
    <charFilter class="solr.PatternReplaceCharFilterFactory" pattern="([^a-zA-Z0-9éèàùêâûôîäëöüï])" replacement=" "/>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LimitTokenCountFilterFactory" maxTokenCount="1000" consumeAllTokens="false"/>
    <filter class="solr.ASCIIFoldingFilterFactory"/>
    <!--<filter class="solr.StopFilterFactory" ignoreCase="true" words="lang\stopwords_fr.txt" enablePositionIncrements="true" />-->
    <filter class="solr.SynonymFilterFactory" synonyms="synonyms_chantiers.txt" ignoreCase="true" expand="false"/>
    <filter class="solr.SynonymFilterFactory" synonyms="synonyms_chantiers_secteurs.txt" ignoreCase="true" expand="false"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.SnowballPorterFilterFactory" language="French" />
  </analyzer>
  <analyzer type="query">
    <charFilter class="solr.PatternReplaceCharFilterFactory" pattern="([^a-zA-Z0-9éèàùêâûôîäëöüï])" replacement=" "/>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.ASCIIFoldingFilterFactory"/>
    <!--<filter class="solr.StopFilterFactory" ignoreCase="true" words="lang\stopwords_fr.txt" enablePositionIncrements="true" />-->
    <filter class="solr.SynonymFilterFactory" synonyms="synonyms_chantiers.txt" ignoreCase="true" expand="false"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.SnowballPorterFilterFactory" language="French" />
  </analyzer>
</fieldType>

我想在查询期间采取相同的行为：如果有人搜索

A-B-C

我希望Solr进行以下搜索（使用OR运算符，dismax）：

A B C

所以基本上，我只是希望Solr在文档的关键字之间进行搜索，删除标点符号。

上面的示例运作良好，但在某些情况下，它不能以这种方式工作。查询

A B-C

Dismax在

中拆分查询

（+（DisjunctionMaxQuery（（signature_1：a））DisjunctionMaxQuery（（signature_1：＆＃34; b c＆＃34;）））（））/ no_coord

这会弄乱我的结果的相关性（即顺序）。我尝试使用autoGeneratePhraseQueries =＆＃34; True＆＃34;但没有效果。

所以我希望Dismax总是在空白和标点符号上分开或永远不会这样做（结果将是相同的）。知道如何设法做到这一点（不必创建我的Java Dismax类）？

以下帖子与我的问题有关：

Answer 1

我不清楚您是希望A B-C成为短语查询（"A B C"）还是三个单独的术语查询（A B C），但是：

如果您希望它成为短语查询，只需将整个内容用引号括起来："A B-C"

如果您希望单独搜索每个字词，请自行删除标点符号，然后离开A B C。

查询解析器在空格处分隔查询子句，通常不是标点符号。这与分析无关，它只是查询解析器语法。因此，对于A B-C，您最终会得到两个查询子句A和B-C。当分析开始时，B-C被分成两个术语，因此查询解析器使其成为短语查询而不是术语查询，最终结果看起来像A "B C"

Answer 2

我终于找到了一个解决方案，它有点快速和肮脏＆＃34;但它正在工作：在Velocity中，我创建了一个Javascript函数来编辑q字段，这个函数是使用GET表单的onsubmit参数调用的（它在stackoverflow.com/questions/5763055/edit-value-of-a-html-input-form-by-javascript中描述）。 / p>

但是你需要Velocity这个解决方案，如果你使用没有速度的请求处理程序（或者更普遍的HTML界面），它就无法工作。

Solr dismax行为 - 标点符号和空格分裂

2 个答案: