Apache 在SOLR中的查询期间忽略特殊字符

我想在SOLR中的查询期间忽略特殊字符。 例如： 假设我们有一个SOLR中的文档，内容为：我的名字是a-B-C

内容：A-B-C检索文档 但是内容：ABC不返回任何文档

我的要求是内容：ABC应返回一份文件。

---

所以基本上我想忽略这一点-在查询期间。

这里您必须为字段内容设置字段类型

字段类型可以有两个单独的分析器。一个用于索引，一个用于查询

在这里，您可以使用

“Word Delimiter Token Filter”

创建内容索引

“A-B-C”

，如

ABC，A-B-C

使用

catenateWords

。添加为

catenateWords=1

。 其工作如下： “热点传感器”→ “热点传感器”。在你的例子中是“A-B-C”。它将生成“ABC”

这是一个例子

用法：

<analyzer type="index">
  <tokenizer class="solr.WhitespaceTokenizerFactory"/>
  <filter class="solr.WordDelimiterGraphFilterFactory" preserveOriginal="true" catenateWords="1"/>
</analyzer>

<analyzer type="query">
  <tokenizer class="solr.WhitespaceTokenizerFactory"/>
</analyzer>

---

这将创建多个索引，您可以使用

ABC

和

A-B-C

进行搜索，当令牌之间有特殊字符时（即

A-B-C

应该匹配

ABC

，而不仅仅是

A

），您可以使用。这将允许您将所有这些字符替换为空字符串，从而有效地将

ABC

转换为分析过程的下一步

<analyzer>
  <charFilter class="solr.PatternReplaceCharFilterFactory"
             pattern="[^a-zA-Z0-9 ]" replacement=""/>
  <tokenizer ...>
  [...]
</analyzer>

[...]

这将保留所有常规ascii字母、数字和空格，同时用空字符串替换任何其他字符。您可能需要调整该角色组以包含更多角色，但这取决于您的原始内容和处理方式

这应该在索引和查询时完成（只要您希望用户能够查询

A-B-C

）。如果您想对这些匹配项进行不同的评分，请使用具有不同分析链的多个字段-例如，将一个字段保留为仅在空白处标记，然后如果您在

a-B-C

上有匹配项，则将其提高（使用

qf=text\ws^5 other\u field

）

---

这不会改变字段实际存储的内容，因此返回的数据仍然是相同的-只是如何执行匹配。

这将为

a

、

B

和

C

创建单独的标记，而这将不会与

ABC

@UMAMAHESWAR匹配搜索：我已经修改了答案。请检查它是否适合你。