Question

我已在文本类型字段中索引了726719-B21，我在其中应用了以下分析器。

<analyzer type="index">
        <tokenizer class="solr.StandardTokenizerFactory"/>
        <charFilter class="solr.HTMLStripCharFilterFactory"/>
        <charFilter class="solr.MappingCharFilterFactory" mapping="mapping-ISOLatin1Accent.txt"/>
        <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" />
        <filter class="solr.LowerCaseFilterFactory"/>
        <filter class="solr.PorterStemFilterFactory"/>
      </analyzer>

现在当我搜索这个单词时，连字符作为分隔符，因此它将获取包含 726719 以及 B21 的结果。我只想要有726719-B21的结果。

如何使用/配置WordDelimiterFilterFactory搜索字726719-B21？

我怎样才能做到这一点？请建议。

Answer 1

StandardTokenizerFactory将明确拆分-上的任何令牌：

请注意，单词以连字符分开。

ClassicTokenizerFactory是同一个Tokenizer的旧版本，但它有一个特殊规则：

单词用连字符分开，除非单词中有数字，在这种情况下，标记不会被分割，数字和连字符会被保留。

这是否合适取决于您的输入。如果你有726719-BAT，那么它就不合适了。

另一种选择是只使用WhitespaceTokenizerFactory，它只会在实际的空格上进行分割（java的测试isWhitespace()评估为真）。

但是，如果您只将726719-B21索引到字段中并且只想完全匹配它，则可以使用StrField（通常在架构中定义为string） - 或者如果你希望它不区分大小写，使用KeywordTokenizer和小写过滤器。

您在序列中定义的其他过滤器也可能以基本方式更改您的内容（例如词干，如果它们与任何预定义的模式匹配，则会删除标记的结尾）。

Answer 2

您始终可以近距离搜索。

这很令人头疼，但您无需重新索引数据。

“726719 B21”~1

它并不完美（因为它会找到B21-727719）但它可能已经足够了。

Solr搜索问题＆＃34; - ＆＃34;连字符分隔符

2 个答案: