我目前正在寻找一种在solr中索引复合词和带连字符的词的方法。 如果您想组合单词，德语是一种很棒的语言。您可以组合多个单词或添加连字符以创建一个新单词。这使得配置solr非常困难。我正在寻找一个带有复合词的好的分词器。以下是一些示例：
单词->索引单词（英语翻译）
Ananassaft->菠萝菠萝（菠萝汁）
Bananen-Mango-Quark-> Banane，Mango，Quark（香蕉芒果夸克）
Apfelsaft-Konzentrat-> Apfel，Saft，Konzentrat（苹果汁） 专心）
Bohnenkraut-> Krah Bohne（美味）
Eiersalat-> Ei，Salat（egg salat）
电子邮件-> e，邮件
因此，索引器和搜索应将每个单词分开。换行符为-或电子邮件之类的字词无关紧要。 如您所见，复合词存在一些问题。它们可以是单数（bohne）和复数（bohnen）。 另一个问题是小单词，不应该像ei（egg）这样找到。因此，Scheibe（切片）一词包含鸡蛋，但不应在此处将其编入索引。另一方面，eiersalat（蛋萨拉特）应包含鸡蛋。
当前，我正在使用StandardTokenizer和SnowballPorterFilterFactory。但是它们不适用于复合词和连字符。 我找到了HyphenationCompoundWordTokenFilterFactory，但是到xml的链接似乎坏了。它似乎也适用于XSL-FO。 我想可以将ei（egg）添加到protwords列表中，但是我不确定它是如何工作的。另外，鸡蛋作为复合词仅以复数形式存在，这可能使它变得更容易。