使用Solr WordDelimiterFilter时出现问题

我正在Solr中使用WordDelimiterFilter进行一些测试，但它没有保留我传递给它的受保护的单词列表。请检查代码和输出示例，并建议缺少或使用不当的部分

运行此代码时：

private static Analyzer getWordDelimiterAnalyzer() {
    return new Analyzer() {
        @Override
        public TokenStream tokenStream(String fieldName, Reader reader) {
            TokenStream stream = new StandardTokenizer(Version.LUCENE_32, reader);
            WordDelimiterFilterFactory wordDelimiterFilterFactory = new WordDelimiterFilterFactory();
            HashMap<String, String> args = new HashMap<String, String>();
            args.put("generateWordParts", "1");
            args.put("generateNumberParts", "1");
            args.put("catenateWords", "1");
            args.put("catenateNumbers", "1");
            args.put("catenateAll", "0");
            args.put("luceneMatchVersion", Version.LUCENE_32.name());
            args.put("language", "English");
            args.put("protected", "protected.txt");
            wordDelimiterFilterFactory.init(args);
            ResourceLoader loader = new SolrResourceLoader(null, null);
            wordDelimiterFilterFactory.inform(loader);
            /*List<String> protectedWords = new ArrayList<String>();
            protectedWords.add("good bye");
            protectedWords.add("hello world");
            wordDelimiterFilterFactory.inform(new LinesMockSolrResourceLoader(protectedWords));
            */
            return wordDelimiterFilterFactory.create(stream);
        }
    };
}

输入文本： 你好，世界 再见 你对未来的计划是什么？ 受保护字符串： 再见 你好，世界 输出： 您好，startOffset=0，endOffset=5，positionIncrement=1，键入= world，startOffset=6，endOffset=11，positionIncrement=1，类型= 好，开始设置=12，内偏移=16，位置增量=1，类型= 再见，startOffset=17，endOffset=20，positionIncrement=1，类型= 什么，startOffset=21，endOffset=25，positionIncrement=1，类型= 是，startOffset=26，endOffset=28，positionIncrement=1，类型= 您的，startOffset=29，endOffset=33，positionIncrement=1，键入= 计划，开始设置=34，结束偏移=38，位置增量=1，类型= 对于，startOffset=39，endOffset=42，positionIncrement=1，类型=

---

将来，startOffset=43，endOffset=49，positionIncrement=1，type=您使用的是一个标准标记器，它至少在空白级别上进行标记，因此您将始终将hello-world拆分为hello和world

TokenStream stream = new StandardTokenizer(Version.LUCENE_32, reader);

参见Lucene文档：

公共最终类标准标记器扩展标记器

用JFlex构造的基于语法的标记器

对于大多数欧洲语言文档来说，这应该是一个很好的标记器：

在标点符号处拆分单词，删除标点符号。 但是，不后跟空格的点被视为 代币

在中以连字符分隔单词，除非标记中有数字 在这种情况下，整个令牌被解释为产品编号，并且 不分裂

将电子邮件地址和internet主机名识别为一个令牌

单词分隔符受保护的单词列表用于以下内容：

ISBN2345677将拆分为ISBN 2345677 text2html不能拆分为text2html，因为text2html已添加到受保护的单词中

---

如果你真的想做你提到的事情，你可以使用关键字标记器。但是您必须自己完成完整的拆分。

非常感谢，似乎我要求的功能与WordDelimiterFilter的预期功能不同。关键字标记器将整个文本作为单个标记发出。这不是我想要的，是否有任何过滤器或标记器可以保护包含空格的关键字不被分割？您可以看看CommonGramsFilterFactor。