在 Solr 中索引 URL 的子词答案

【问题标题】：Indexing subwords of an URL in Solr在 Solr 中索引 URL 的子词
【发布时间】：2017-04-21 00:36:21
【问题描述】：

我想为我的 poc 使用 solr，但我对以下问题感到震惊，无法找到解决方案。

任何帮助将不胜感激。！！

以下是我试图实现的四种情况：网址： 1.www.abc.com 2.www.abcdef.com 3.www.123.com/abc 4.www.123.com/abcdef

我正在使用标准标记器来索引 URL，这些 URL 将单词拆分如下并索引。 1.www.abc.com 2.www.abcdef.com 3.www.123.com 和 abc 4.www.123.com和abcdef

当我搜索 abc 时，我只会得到第三个 URL 作为搜索结果。

但是当我使用关键字 abc 搜索时，我想获取所有四个 URL。

Kinldy 建议。

谢谢。

【问题讨论】：

【解决方案1】：

当您使用字符串“abc”搜索时，所有带有标记“abc”的文档都会作为结果检索。所以 abc 将只匹配 abc。

要使用查询“abc”匹配 abcde 或 abcd.. 等，您应该使用 n-gram 索引文档

阅读 Edge N-grams。

在您的架构文件中为字段分析器 type="index" 添加以下过滤器到您的字段类型定义。

<filter class="solr.EdgeNGramFilterFactory" maxGramSize="20" minGramSize="2"/>

示例：字段名称="abcde"

EdgeNGramFilterFactory 会生成像 ab,bc,cd,de,abc,bcd,cde,abcd,bcde,abcde,

【讨论】：

感谢您的回复 vinod。如果我们有几个字符的字段名称并生成令牌，我认为 NGram 的使用很好。但在我的情况下，字段是一个长度可能很长的 URL，所以我猜在这种情况下它会创建大量的令牌。！！你怎么看..
正确，它会生成更多数量的令牌。因此索引大小和索引时间都会增加。没有其他方式使用 solr。