'＆lt;'之间的Solr差异和＆lt;

Question

我在我的solr架构文件

中

<tokenizer class="solr.PatternTokenizerFactory" pattern="[\s\?\!\:\;\,\(\)\\\*\'#\$%\-\/\=\@\[\]\^\_\{\}\|\~&quot;&lt;&gt;]"/>

Solr在打破这样的文字方面发挥出色

Hello<World<!

但是失败了

Hello<World>!

查询World没有结果，但<World>

的结果很多

如何重写模式以打破<符号？

我尝试CDATA，但它无法正常工作

<tokenizer class="solr.PatternTokenizerFactory" pattern="[\s\?\!\:\;\,\(\)\\\*\'#\$%\-\/\=\@\[\]\^\_\{\}\|\~]|(&quot;|&lt;|&gt;|[CDATA[<]])"/>

和一点修改后的模式

<tokenizer class="solr.PatternTokenizerFactory" pattern="[\s\?\!\:\;\,\(\)\\\*\'#\$%\-\/\=\@\[\]\^\_\{\}\|\~]|(&quot;|&lt;|&gt;)"/>

同样不适合我

更新

解决方案

pattern="[\s\?\!\:\;\,\(\)\\\*\.#\$%\-\/\=\@\[\]\^\_\{\}\|\~"<>«»]|(<)|(>)"

也可以不改变我的第一个模式启用将<转换为<并且解析<

的架构中的html过滤器

<charFilter class="solr.HTMLStripCharFilterFactory"/>

Answer 1

您的问题是solr.PatternTokenizerFactory。你想分开＆＃39;＆lt;＆＃39;。这是一个关于如何逃避＆＃39;＆lt;＆＃39;在xml。

你的第一种方法是正确的

<tokenizer class="solr.PatternTokenizerFactory" pattern="[\s\?\!\:\;\,\(\)\\\*\'#\$%\-\/\=\@\[\]\^\_\{\}\|\~&quot;&lt;&gt;]"/>

你可以读她：Which are the HTML, and XML, special characters?

所以请用

搜索您的问题

Hello<World<!

通过analysis screen。