【发布时间】：2020-07-08 11:13:49
【问题描述】：
我正在尝试编写一个 Lucene 过滤器，它将“what's”替换为“what is”、“can't”替换为“cannot”等。
在incrementToken() 中，如果术语是我要替换的字符串之一，我会计算一个替换字符串（例如 what's -> what is）并将其推送到 CharTermAttribute：
termAttr.copyBuffer(replacement.toCharArray, 0, replacement.length)
但这似乎不起作用，当我搜索'what's'时，我仍然得到包含'what's'的结果，而不是被视为'what's'的字符串。
实现此目的的正确方法是什么？我需要创建分词器吗？ （理想情况下，我想保留 StandardTokenizer 并添加到它而不是替换它）
【问题讨论】：
-
我不确定您如何可靠地替换诸如
he's之类的东西 - 它可能是he has或he is，具体取决于上下文（“他在这里”与“他明白了” ”）。另一方面，Lucene 可以使用同义词来扩充您的索引词（其中he has和he is是he's的同义词）。我有一个例子，如果你认为它可能有用的话。但这不是一个替代过程 - 所以它可能没有帮助。