Question

（此处为Solr新手）我设置了一个简单的solr实例来索引html / pdf文档的集合。它基本上可以正常工作，但是我一直试图添加部分搜索功能。

到目前为止我尝试过的是：由于我认为最好保留默认的托管模式，因此我尝试使用模式api来添加带有 ngram 过滤器的字段text_partial，

curl -X POST -H 'Content-type:application/json' --data-binary '{
"add-field-type":{
    "name":"text_ngram",
    "class":"solr.TextField",
    "positionIncrementGap":"100",
    "indexAnalyzer":{
        "tokenizer":{
        "class":"solr.WhitespaceTokenizerFactory"
        },
        "filters": [
            {"class":"solr.LowerCaseFilterFactory"},
            {
            "class":"solr.NGramTokenizerFactory",
            "maxGramSize":"25",
            "minGramSize":"3",
            }
        ]

    },
    "queryAnalyzer":{
      "tokenizer":{
        "class":"solr.WhitespaceTokenizerFactory"},
      "filters":[
        {"class":"solr.LowerCaseFilterFactory"}]}
},
"add-field":{
    "name": "text_partial",
    "type": "text_ngram",
    "indexed": true,
    "stored": true
}
}' http://127.0.0.1:8983/solr/my_collection/schema

我试图删除所有文档并重新索引，但是与以前没有任何区别：全字搜索仍然有效，但是查询“ text_partial：something”没有结果。

然后我意识到我没有对DataImportHandler进行任何修改，目前是这样的

<dataConfig>  
    <dataSource type="BinFileDataSource" />
        <document>
            <entity name="files" dataSource="null" rootEntity="false"
            processor="FileListEntityProcessor"
            baseDir="C:/xampp/htdocs/tcdocs12" fileName=".*\.(html|pdf)"
            onError="skip"
            recursive="true">
                <field column="fileAbsolutePath" name="id" />
                <field column="fileSize" name="size" />
                <field column="fileLastModified" name="lastModified" />

                <entity
                    name="documentImport"
                    processor="TikaEntityProcessor"
                    url="${files.fileAbsolutePath}"
                    format="text"
                    transformer="TemplateTransformer,RegexTransformer"
                    >
                    <field column="file" name="fileName"/>
                    <field column="Author" name="author" meta="true"/>
                    <field column="title" name="title" meta="true"/>
                    <field column="text" name="text"/>

                    <field column="tempCol" template="${files.fileAbsolutePath}" regex="${dataimporter.request.docs_dir}(.*)" replaceWith="$1"/>

                    <field column="url" regex="\\" replaceWith="/" sourceColName="tempCol"/>
                    <field column="cat" regex="^\/.+?\/(.+?)\/.*" replaceWith="$1" sourceColName="url"/>


                </entity>
        </entity>
        </document> 
</dataConfig>

我是否必须对DIH或架构进行任何修改才能使“文档文本内容”也被处理并在“ text_partial”字段中建立索引？

Answer 1

内容不会神奇地添加到字段中。如果您已经将内容索引到一个名为text的字段中，则可以添加一条copyField指令，以将相同的内容有效地索引到两个具有不同处理方式的字段中。

请参见Add a new copy field rule in the Schema API：

curl -X POST -H 'Content-type:application/json' --data-binary '{
  "add-copy-field":{
     "source":"text",
     "dest":[ "text_partial" ]}
}' http://localhost:8983/solr/my_collection/schema

添加此规则后，您需要重新建立索引，因为复制是在建立索引之前进行任何进一步处理之前发生的。

Solr部分搜索

1 个答案: