Apache Solr Search API 默认结果过滤器答案

【问题标题】：Apache Solr Search API default result filtersApache Solr Search API 默认结果过滤器
【发布时间】：2016-12-17 23:50:31
【问题描述】：

我正在使用 Solr 和 apache nutch 来索引网站

我的 json 结果如下所示：

  "response": {
"numFound": 0,
"start": 0,
"docs": [
  {
    "id": "http://mysite.pl/cl-BR/link/link",
    "url": "http://mysite.pl/cl-BR/link/link",
    "content": [
      "content"
    ],
    "_version_": 0000
  },
  {
    "id": "http://mysite.pl/ru-RU/link/link",
    "url": "http://mysite.pl/ru-RU/link/link",
    "content": [
      "content"
    ],
    "_version_": 0000
  },
  {
    "id": "http://mysite.pl/en-EN/link/link",
    "url": "http://mysite.pl/en-EN/link/link",
    "content": [
      "content"
    ],
    "_version_": 0000
  },

我想在我的查询中添加参数，包含有关语言的信息，例如这样的格式：en-EN 接下来只返回 url 包含我的参数的搜索结果。

例如：我的查询是：/solr/CoreName/select?q=you&fl=id,ul,content&urlContains=en-EN

我的结果是：

  "response": {
"numFound": 0,
"start": 0,
"docs": [
  {
    "id": "http://mysite.pl/en-EN/link/link",
    "url": "http://mysite.pl/en-EN/link/link",
    "content": [
      "content"
    ],
    "_version_": 0000
  },

当我的查询是：/solr/CoreName/select?q=you&fl=id,ul,content&urlContains=ru-RU

我的结果是：

  "response": {
"numFound": 0,
"start": 0,
"docs": [
  {
    "id": "http://mysite.pl/ru-RU/link/link",
    "url": "http://mysite.pl/ru-RU/link/link",
    "content": [
      "content"
    ],
    "_version_": 0000
  },

我该怎么做？

【问题讨论】：

标签： apache search indexing solr nutch

【解决方案1】：

最干净的实现是在你的架构中 add a custom field，然后 use copyField to copy 来自 url 的内容到 url_tokenized 字段。

<copyField source="url" dest="url_tokenized" />

通过using a PatternTokenizer，您可以告诉Solr 通过/ 拆分令牌，以便您在url_tokenized 字段中获得ru-RU 作为令牌：

<analyzer>
    <tokenizer class="solr.PatternTokenizerFactory" pattern="/"/>
</analyzer>

这应该会给你类似的东西：

<fieldType name="url_tokenized" class="solr.TextField">
  <analyzer>
    <tokenizer class="solr.PatternTokenizerFactory" pattern="/"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

通过添加 LowerCaseFilterFactory，我们将确保无论使用何种大小写，都能找到 ru-RU 和 ru-ru。

然后通过对查询字符串应用过滤查询 (fq) 来完成查询：

...&fq=url_tokenized:ru-ru

这将限制对在其 URL 中某处包含“/ru-ru/”的文档的响应。

【讨论】：