Java 将CharFilter与Lucene 4.3.0'；标准分析仪

我正在尝试将

CharFilter

添加到我的

StandardAnalyzer

。我的意图是从我索引的所有文本中去掉标点符号；例如，我希望前缀查询“pf”与“P.F.Chang's”匹配，或“zaras”与“Zara's”匹配

看来最简单的攻击方案是在分析之前过滤掉所有标点符号。根据，这意味着我应该使用

CharFilter

然而，实际上几乎不可能将

CharFilter

插入分析器

的JavaDoc说“如果您想插入一个CharFilter，请覆盖它”

如果我的代码扩展了Analyzer，我可以扩展initReader，但我不能将抽象委托给我的基本StandardAnalyzer，因为它是受保护的。我不能委托给我的基本分析器，因为它是最终的。所以Analyzer的子类似乎不能使用另一个Analyzer来完成它的脏活

有一个

AnalyzerWrapper

类似乎非常适合我想要的！我可以提供一个基本分析器，只覆盖我想要的部分。除非…已被重写以委托给基本分析器，并且此重写是“最终的”！真倒霉

我想我可以将我的

分析器

放在

org.apache.lucene.analyzers

包中，然后我可以访问受保护的

createComponents

方法，但这似乎是一种令人厌恶的黑客方式，可以绕过我真正应该使用的公共API

---

我是不是错过了什么东西？如何修改

StandardAnalyzer

以使用自定义

CharFilter

？

目的是让您覆盖

Analyzer

，而不是

StandardAnalyzer

。我们的想法是，您永远不应该将Analyzer实现子类化（这里有一些讨论）。不过，Analyzer的实现非常简单，将CharFilter添加到实现与StandardAnalyzer相同的标记器/过滤器链的Analyzer中类似：

public final class MyAnalyzer {
    @Override
    protected TokenStreamComponents createComponents(String fieldName, Reader reader) {
        final StandardTokenizer src = new StandardTokenizer(matchVersion, reader);
        TokenStream tok = new StandardFilter(matchVersion, src);
        tok = new LowerCaseFilter(matchVersion, tok);
        tok = new StopFilter(matchVersion, tok, StopAnalyzer.ENGLISH_STOP_WORDS_SET);
        return new TokenStreamComponents(src, tok);
    }

    @Override
    protected Reader initReader(String fieldName, Reader reader) {
        //return your CharFilter-wrapped reader here
    }
}

---

嗯，考虑到我真正想要的是“带字符过滤器的StandardAnalyzer”，这似乎是一种非常严厉的做法。但看起来这是我唯一的选择。