Filter 带连字符和复合词的Solr标记符（德语）

我目前正在寻找一种方法来索引复合词和solr中带有连字符的词。 如果你想把单词组合起来，德语是一门很棒的语言。您可以组合许多单词或添加连字符并创建一个新词。这使得配置solr非常困难。我正在寻找一个好的复合词标记器。以下是几个例子：

Word->要索引的单词（英文翻译）

Ananassaft->Ananas，Saft（菠萝汁）

巴纳南芒果夸克->巴纳南，芒果，夸克（香蕉芒果夸克）

Apfelsaft Konzentat->Apfel，Saft，Konzentat（苹果汁 浓缩液）

博恩克劳特->博恩，德国佬（风味）

艾尔沙拉->艾尔沙拉（鸡蛋沙拉）

电子邮件->电子邮件，电子邮件

因此，索引器和搜索应该将每个-作为一个词进行拆分。用-或像电子邮件这样的词换行并不重要。 正如你看到的，复合词有一些问题。它们可以是单数（bohne）和复数（bohnen）。 另一个问题是小词，它不应该像ei（egg）那样被发现。所以单词Scheibe（slice）包含egg，但不应该在这里索引它。另一方面，鸡蛋沙拉应该含有鸡蛋

目前我正在与StandardTokenizer和SnowballPorterFilterFactory合作。但它们不适用于复合词和连字符。 我找到了HyphenationCompoundWordTokenFilterFactory，但指向xml的链接似乎断开了。它似乎也是为XSL-FO设计的。

---

我想我可以将ei（egg）添加到protwords列表中，但我不太确定它到底是如何工作的。另外，egg仅以复数形式作为复合词存在，这可能会使它更简单。

您看过了吗？我目前正在用字典测试复合词TokenFilter。我从下面的URL中得到了一个很好的例子：你看过吗？我目前正在用字典测试compoundwordtokenfilter。我从以下URL获得了一个很好的示例：