Apache solr 搜索部分单词答案

【问题标题】：Apache solr search part of the wordApache solr 搜索部分单词
【发布时间】：2014-12-18 02:10:49
【问题描述】：

我正在使用 apache solr 搜索引擎来索引我的网站数据库..

我正在使用 django+http://haystacksearch.org/

假设我有包含单词“Chicken”的文档

当我搜索“鸡”时 - solr 可以找到这个文档

但是当我搜索“chick”时 - 它什么也没找到..

有没有办法解决这个问题？

【问题讨论】：

标签： django solr django-haystack django-search-lucene

【解决方案1】：

注意：以下解决方案是 Solr 1.4（及更高版本）特定的！

为了获得更大的灵活性，我建议您使用 NGramTokenizerFactory 为您的数据编制索引，以进行完整的前后通配符搜索。如果您只想在字符串的开头或结尾搜索子字符串，请考虑使用EdgeNGramTokenizerFactory。

以下是文本字段类型的替换项，可满足您的需求：

<fieldType name="text" class="solr.TextField" >
<analyzer type="index">
    <tokenizer class="solr.NGramTokenizerFactory" minGramSize="3" maxGramSize="15" />
    <filter class="solr.LowerCaseFilterFactory"/>
</analyzer>
<analyzer type="query">
    <tokenizer class="solr.WhitespaceTokenizerFactory" />
    <filter class="solr.LowerCaseFilterFactory"/>
</analyzer>
</fieldType>

【讨论】：

solr 1.5 - 这是开发版本吗？（未发布？）
1.4 有这样的解决方案吗？
这真的很有用......我个人认为我会创建一个像上面这样的新字段类型......但称为 ntext 或其他东西......只是这样你就不会弄乱原始文本字段类型。
NGramTokenizerFactory 非常适合我（即使是 1.3 版本）

【解决方案2】：

如果要查找所有以chick 开头的单词，请搜索chick*。

【讨论】：

我无法使用*chick*？有可能吗？
@soundar，这是一个 bad 小鸡 ;) 你不能在搜索关键字前加上 *，Lucene 不支持。

【解决方案3】：

当我用过时

<tokenizer class="solr.NGramTokenizerFactory" minGramSize="3" maxGramSize="15" />

为了根据 Brian 的答案进行通配符搜索，Solr 索引时间显着增加。在超过20倍！我在这里发现的通配符搜索问题的另一个决定：

http://www.lucidimagination.com/blog/2009/09/08/auto-suggest-from-popular-queries-using-edgengrams/

你只需要添加过滤器

<filter class="solr.EdgeNGramFilterFactory" minGramSize="1" maxGramSize="25" />

（默认标记器 - FieldType 索引块中的 solr.WhitespaceTokenizerFactory）。对我来说，结果是相同的，但系统成本更低。

【讨论】：

【解决方案4】：

如果您在使用少量单词时遇到问题，另一种方法是使用 solr.SynonymFilterFactory

http://wiki.apache.org/solr/AnalyzersTokenizersTokenFilters#solr.SynonymFilterFactory

您只需维护一个包含同义词的简单文本文件：

chick peep chicken
dawg hound dog
moggie puss kitten cat

复数应该使用其他过滤器来照顾自己。

【讨论】：

【解决方案5】：

我没有更改任何配置。我只是在我的searchString的前面和后面使用星号：*chicke *（末尾没有空格->这是因为如果您在开头和结尾使用*，则将单词格式化为斜体）

【讨论】：