点/句号的Solr过滤器，除非它以某些短语开头

Question

我想知道如何在将数据索引到solr中时替换句点[.]。

除了，我想保留以某些短语开头的单词作为整体标记。

例如，

word.phrase应该被索引为两个关键字：word，phrase

但是，我希望前缀为item.的所有内容都不要以句点分隔，以便：

item.name应该作为一个关键字建立索引：item.name

我正在尝试使用这些过滤器/令牌器，但还是没有运气，我认为我的正则表达式是罪魁祸首：

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
  <analyzer type="index">
      <charFilter class="solr.PatternReplaceCharFilterFactory" 
            pattern="[^(item)]\." replacement=" " />
      <tokenizer class="solr.StandardTokenizerFactory"/>
  </analyzer>
</fieldType>

Answer 1

为了仅在不以“ bar”开头时匹配“ foo”，您的正则表达式需要negative lookbehind assertion。

以下正则表达式匹配不以“ item”开头的点：(?<!\bitem)\.。
在schema.xml中，必须正确转义该模式才能正确解析该模式，因此<变为<：

pattern="(?<!\bitem)\."

作为替代方案，您可以使用 filter （放置在标记器的之后）而不是charfilter。