Unicode SOLR删除表情符号杂项字符

看起来SOLR正在考虑哪些应该是有效的Unicode字符是无效的，并删除它们

我通过打开查询调试来“证明”这一点，以查看解析器对我的查询做了什么。下面是一个例子：

查询='ァ☀' （\u30a1\u2600）

以下是索尔用它做的：

“调试”：{ “rawquerystring”：u'\u30a1\u2600'， “查询字符串”：u'\u30a1\u2600'， 'parsedquery'：u'（+DisjunctionMaxQuery（（文本：\u30a1）））/no_coord'， 'parsedquery_-toString'：u'+（文本：\u30a1）'

正如你所看到的，我同意ァ', 但是它吃掉了“黑太阳”这个角色

我还没有试过所有的块，但我已经确认它也不喜欢⛿ （\u26ff）和♖ （\u2656）

---

我将SOLR与Jetty一起使用，因此各种TomCat问题WRT字符编码不应适用。

这很可能与分析器有更多关系。我没有看到任何具体说明这些类型字符的处理方式，但它们可能被分析器（或您可能使用的任何分析器）视为标点符号，因此将不会出现在最终查询中。

StandardAnalyzer

实现中设置的规则，以便将输入分隔为令牌。

是的。就是这样。谢谢！@femto请建议此处应使用哪种分析器