使用Solr中的regex将子字符串从字段保存到copyfield

Question

我正在使用导入处理程序从mysql表导入数据。我有一个msg列text。使用正则表达式，我必须在副本字段中保存子字符串。

msg: 94eb2c0cb17ef354bb052c57f40c\r\nContent-Type: text/plain; charset=UTF-8\r\nContent-Transfer-Encoding pnr:986|0978325

预期的Solr结果：

{
    "msg_body": "94eb2c0cb17ef354bb052c57f40c\\r\\nContent-Type: text/plain; charset=UTF-8\\r\\nContent-Transfer-Encoding pnr:986-0978325",
    "pnr_number": "pnr:986-0978325"

}

我的注意事项：

(pnr|(P|p)[ _.:,!"'-/$](N|n)[ _.:,!"'-/$](R|r))+[ _.:,!"'-/$]+[0-9]{3}[ _.:,!"'-/$]+[0-9]{7}

请帮助我，因为我是solr的新手

Answer 1

您需要为pnr_number定义自定义字段。 使用copyField将msg_body复制到pnr_number 在自定义字段定义中，使用

<filter class="solr.PatternCaptureGroupFilterFactory" pattern="regex goes here" preserve_original="false"/>

Answer 2

由于您使用的是数据导入处理程序，因此您有3个选项：

1. 在DIH定义中使用Regex Transformer。
2. 使用RegexReplaceProcessorFactory Update Request Processor（在solrconfig.xml中）。
3. 在分析仪链中使用正则表达式过滤器

使用前两个选项，正则表达式将在字段实际编入索引之前提取模式。在最后一个选项中，存储的表示（如果存储字段）将包含原始的完整字符串，但索引（可搜索）表示将包含正则表达式匹配。