我正在尝试使用Lucene 4.4.0将e-mail，email和e mail等字词编入索引。
Lucene的WordDelimiterFilter应该是理想的。但是，它将每个（？）非字母数字字符视为分隔符。因此，像e-mail这样的术语会转换为C++，这不是我想要的。
是否可以自定义C以使其使用我自己指定的分隔符？
1 个答案:
答案 0 :(得分：1)
＆lt; p＆gt;您可以将'+'和其他字符明确定义为字母字符，以便不会过滤掉它们，并在搜索查询中考虑它们。＆lt; / p＆gt;
＆lt; p＆gt;按照以下步骤进行自定义＆lt; / p＆gt;
＆lt; p＆gt; 1）在“index”和查询“分析器修改WordDelimiterFilterFactory并添加types =”alphatypes.txt“。＆lt; / p＆gt;
＆lt; pre＆gt;＆lt; code＆gt;＆lt; filter catenateAll =“0”catenateNumbers =“0”catenateWords =“0”class =“solr.WordDelimiterFilterFactory”generateNumberParts =“1”generateWordParts =“1”splitOnCaseChange =“1”types = “alphatypes.txt”/＆GT;
＆LT; /代码＆GT;＆LT; /预＆GT;
＆lt; p＆gt;根据您的情况设置另一个参数＆lt; / p＆gt;
＆lt; p＆gt; 2）然后使用以下内容创建alphatypes.txt（或任何适合您的名称）文件，并将其放在与schema.xml文件相同的文件夹中。 ＆LT; / p为H.
＆lt; p＆gt;注意：对于＃字符，我们必须使用unicode值。＆lt; / p＆gt;
＆lt; pre＆gt;＆lt; code＆gt; #WordDelimiterFilterFactory的自定义类型映射
＃允许的类型是：LOWER，UPPER，ALPHA，DIGIT，ALPHANUM，SUBWORD_DELIM
＃
＃任何没有映射的字符的默认值始终从中计算
#Unicode字符属性
+ =＆gt; Α
\ u0023 =＆gt; Α
＆LT; /代码＆GT;＆LT; /预＆GT;
＆lt; p＆gt; 3）重新加载核心，或重新启动Solr。＆lt; / p＆gt;
＆lt; p＆gt; 4）重新索引数据，以便缺失的字符包含在索引＆lt; / p＆gt;中
＆lt; p＆gt; Solr jira reference＆lt; a href =“https://issues.apache.org/jira/browse/SOLR-2059"rel =”nofollow noreferrer“＆gt; https://cheues.apache.org/jira /浏览/ SOLR-2059＆LT; / A＆GT;＆LT; / p为H.