Solr Lucene 中的连字符/破折号挑战答案

【问题标题】：Challenge with hyphens/dashes in Solr LuceneSolr Lucene 中的连字符/破折号挑战
【发布时间】：2012-11-14 07:47:52
【问题描述】：

我试图让 Solr 仅提取格式为 n-nnnnnnn 的票证的第二个 7 位数字部分

本来我希望把全票放在一起。根据文档，带数字的数字应该放在一起，但是在解决了这个问题一段时间并查看了代码之后，我认为情况并非如此。 Solr 总是生成两个术语。因此，我想我可以从第二部分获得更好的查询结果，而不是大量匹配 n- 的第一个数字。用 A 代替破折号：

    <charFilter class="solr.PatternReplaceCharFilterFactory"
      pattern="\b\d[A](\d\d\d\d\d\d\d)\b" replacement="$1" replace="all" 
      maxBlockChars="20000"/>

将解析 1A1234567 正常但 -\b" 替换="$1" 替换="全部" maxBlockChars="20000"/>

不会解析 1-1234567

所以看起来只是连字符的问题。我试过 -(escaped) 和 [-] 和 \u002D 和 \x{45} 和 \x045 没有成功。

我尝试在它周围放置 char 过滤器：

   <charFilter class="solr.MappingCharFilterFactory" mapping="mapping.txt"/>
    <charFilter class="solr.PatternReplaceCharFilterFactory"
      pattern="\b\d[-](\d\d\d\d\d\d\d)\b" replacement="$1" replace="all" maxBlockChars="20000"/>
    <charFilter class="solr.MappingCharFilterFactory" mapping="mapping2.txt"/>

有映射：

"-" => "z"

然后

"z" => "-"

我看起来连字符在 Flex 标记化中被吃掉了，甚至不能用于 char 过滤器。

有没有人在 Solr/Lucene 中使用连字符/破折号取得了更大的成功？谢谢

【问题讨论】：

通常，过滤器在分析器和标记器之后应用，所以是的，那些连字符已经消失了。我的问题是：这个字段是否需要像那样分析和标记化？如果它只是一个票号，那么我会说使用KeywordAnalyzer，或者将字段设置为StrField，或者其他类似的东西。
听起来在构建 solr 文档的应用程序中可能更容易做到。

标签： solr lucene hyphen

【解决方案1】：

如果您的 Solr 使用的是最新的 Lucene（我认为是 3.x+），您将希望使用 ClassicAnalyzer 而不是 StandardAnalyzer，因为 StandardAnalyzer 现在总是将连字符视为分隔符。

【讨论】：

感谢您的帮助。我们还将尝试仅使用未分析的基本字符串类型。
了解这很好。但是，我们有许多索引字段，对于其中的大多数，我们需要使用 StandardAnalyzer。然后，我们将它们组合到查询门户的一个默认字段中。因此，用户输入的查询仍然会拆分第一部分并给出很多不需要的结果。我仍然对为什么 charFilters 不工作感到困惑，因为它们在标记器之前。添加它们看起来仍然很有必要。