SOLR Haystack 拆分数字答案

【问题标题】：SOLR Haystack splitting numericsSOLR Haystack 拆分数字
【发布时间】：2016-01-07 11:23:53
【问题描述】：

以下问题与使用 SOLR (4.9.0) 和 Haystack 的 Django 应用程序 (1.8.8) 有关。

我需要搜索的数据包含“A1234”和“ABCDE1”等各种字符串；这些字符串将出现在“文本”和“名称”字段中，定义如下：

name = indexes.CharField(indexed=True, model_attr="name")
text = indexes.EdgeNgramField(document=True, use_template=True)

如果在文本字段中搜索上述字符串之一，则不会找到，但在名称字段中搜索没有问题。如果我在文本字段中搜索时省略了该字母（例如，我搜索“1234”），那么我可以找到我要查找的内容。

在启用调试的情况下直接查询 SOLR 服务器显示这些字符串被拆分：

// text field - no hits
rawquerystring: "A1234",
querystring: "A1234",
parsedquery: "+text:a +text:1234",
parsedquery_toString: "+text:a +text:1234",
explain: { },
QParser: "LuceneQParser",

// name field - finds the correct records
rawquerystring: "name:A1234",
querystring: "name:A1234",
parsedquery: "name:a1234",
parsedquery_toString: "name:a1234",
explain: { },
QParser: "LuceneQParser",

schema.xml中与edge_ngram字段相关的部分（上面的文本字段就是这样）如下：

<fieldType name="edge_ngram" class="solr.TextField" positionIncrementGap="1">
  <analyzer type="index">
    <tokenizer class="solr.NGramTokenizerFactory" minGramSize="3" maxGramSize="15"/>
    <filter class="solr.LowerCaseFilterFactory" />
    <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1"        generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="
0" splitOnCaseChange="1" splitOnNumerics="0"/>
    <filter class="solr.EdgeNGramFilterFactory" minGramSize="2" maxGramSize="15" side="front"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.WhitespaceTokenizerFactory" />
    <filter class="solr.LowerCaseFilterFactory" />
    <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="1"/>
  </analyzer>
</fieldType>

那么，有什么方法可以防止这些字符串的分裂？我原以为 splitOnNumerics="0" 选项可以解决问题（如Solr: Can't search for numbers mixed with characters 中所建议的那样），但似乎这不能应用于 solr.EdgeNGramFilterFactory。我使用了后一种工厂，因为它解决了另一个问题，即搜索“foo bar”在文本字段中找不到“foobar.com”（用户将运行这种搜索并期待命中）。

有没有人有任何解决这个问题的建议？

【问题讨论】：

标签： solr django-haystack

【解决方案1】：

终于找到了。 edge_ngram 字段类型包含以下内容：

  <tokenizer class="solr.WhitespaceTokenizerFactory" />                                                                                              
    <filter class="solr.LowerCaseFilterFactory" />                                                                                                   
    <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="1"/>

修改 WordDelimiterFilterFactory 以设置 generateNumberParts="0" 可以解决问题，同时保留该字段的其他要求。

【讨论】：