3

我定义了一个文本字段，我使用 copyField 填充各种源字段，目标是让这个字段成为我用来搜索 Solr 索引的字段。

此文本字段被定义为使用此自定义字段类型“text_en_splitting_reversed”。我通过复制示例“text_en_splitting”并将 ReversedWildcardFilterFactory 添加到索引分析器来创建此字段类型。

<!-- Just like text_en_splitting, but with the addition of reversed tokens for leading wildcard matches -->
<fieldType name="text_en_splitting_reversed" class="solr.TextField" positionIncrementGap="100" autoGeneratePhraseQueries="true">
  <analyzer type="index">
    <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <!-- in this example, we will only use synonyms at query time
    <filter class="solr.SynonymFilterFactory" synonyms="index_synonyms.txt" ignoreCase="true" expand="false"/>
    -->
    <!-- Case insensitive stop word removal.
      add enablePositionIncrements=true in both the index and query
      analyzers to leave a 'gap' for more accurate phrase queries.
    -->
    <filter class="solr.StopFilterFactory"
            ignoreCase="true"
            words="lang/stopwords_en.txt"
            enablePositionIncrements="true"
            />
    <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="1" types="word-delim-types.txt" />
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
    <filter class="solr.PorterStemFilterFactory"/>
    <filter class="solr.ReversedWildcardFilterFactory" withOriginal="true"
       maxPosAsterisk="3" maxPosQuestion="2" maxFractionAsterisk="0.33"/>
 </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
    <filter class="solr.StopFilterFactory"
            ignoreCase="true"
            words="lang/stopwords_en.txt"
            enablePositionIncrements="true"
            />
    <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="1"  types="word-delim-types.txt" />
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
    <filter class="solr.PorterStemFilterFactory"/>
  </analyzer>
</fieldType>

我的主要问题：当我使用前导通配符进行搜索时，我得到了意想不到的结果。例如，我知道我对“*car”进行的一次特定搜索应该返回一个匹配项（文档包含单词“racecar”）。由于这失败了，我决定在 Solr Admin 的分析器工具中对其进行调试。这是我的测试截图：

领先的通配符问题

我是这个分析器工具的新手，但右侧不应该一直保留前导星号吗？为什么这最终不匹配？我是否应该对用户输入的关键字进行反向处理？

现在，在我的索引查询配置中，我设置为使用 edismax。但是，在管理分析器 gui 中，我看不到控制它是使用标准解析器还是 edismax 的方法。（也许没关系？）

如果这些信息可能有助于提供更多上下文，我将为这个被索引的特定字段降低我的目标：

  • 我希望 *car 与赛车相匹配。这是行不通的。
  • 我想要 $30 来匹配包含 $30 的文档，但不是包含 30 的文档（前面没有美元符号）。所以我添加了一个 types="" 属性，我将 $ 定义为 DIGIT。这是有效的。
  • 我想要 30 来匹配包含 $30 的文档。这是行不通的。
4

2 回答 2

1

从您的屏幕截图中，很明显 WordDelimiterFilterFactory 已经剥离了您的前导 *. 尝试添加preserveOriginal="1"到您的查询分析器端，即

<filter class="solr.WordDelimiterFilterFactory" 
    preserveOriginal="1" 
    generateWordParts="1" 
    generateNumberParts="1" 
    catenateWords="0" 
    catenateNumbers="0" 
    catenateAll="0" 
    splitOnCaseChange="1" 
    types="word-delim-types.txt" />
于 2013-02-14T06:00:52.877 回答
1

最终，主要的通配符问题是我们搜索引擎前端的一个错误。在将查询提交给 Solr 之前，我们有一些代码将所有关键字或短语用引号括起来。这样，如果输入了一个短语，它将被引号包围，并且工作正常。它对常规关键字搜索没有影响。

但显然，如果它是通配符搜索，在它周围加上引号会导致搜索由于某种原因而失败。当我删除引号时，*car 与希望的包含 racecar 的帖子相匹配。

关于我的次要问题（为什么“30”与包含“$30”的文档不匹配），我还在一个单独的 StackOverflow 线程中解决了这个问题：如何在 Solr 中找到包含数字和美元符号的文档？

顺便说一句，我认为 Solr 分析管理 gui 中有一个错误。在测试领先的通配符搜索时，我永远无法得到任何突出显示，表明会进行匹配......这进一步增加了我试图调试问题的困惑。

于 2013-02-14T19:25:14.163 回答