5

text_general我发现我可以为不同的字段语言使用不同的标记器/分析器。
但也存在text_en

为什么我们需要两个?

假设我们有一个亚洲语言的句子,并且该句子还包含一些英语单词。
text_general用于句子中的亚洲词和text_en英文词?
solr 如何索引/查询这样的句子?

4

2 回答 2

3

text_en 使用词干,因此如果您搜索fakes,您可以匹配fake,fake'sfaking。使用非词干字段fakes将仅匹配fakes.

每个字段使用不同的分析器“链”。text_en 使用一系列过滤器来更好地索引英语。请参阅tokenizerfilter条目。

text_general 的架构摘录:

<!-- A general text field that has reasonable, generic
     cross-language defaults: it tokenizes with StandardTokenizer,
 removes stop words from case-insensitive "stopwords.txt"

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true" />
    <filter class="solr.SynonymFilterFactory" synonyms="index_synonyms.txt" ignoreCase="true" expand="false"/>
    <filter class="solr.LowerCaseFilterFactory"/>

text_en 的架构摘录:

<!-- A text field with defaults appropriate for English: it
     tokenizes with StandardTokenizer, removes English stop words
     (lang/stopwords_en.txt), down cases, protects words from protwords.txt, and
     finally applies Porter's stemming.  The query time analyzer
     also applies synonyms from synonyms.txt. -->
<fieldType name="text_en" class="solr.TextField" positionIncrementGap="100">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <!-- in this example, we will only use synonyms at query time
    <filter class="solr.SynonymFilterFactory" synonyms="index_synonyms.txt" ignoreCase="true" expand="false"/>
    -->
    <filter class="solr.StopFilterFactory"
            ignoreCase="true"
            words="lang/stopwords_en.txt"
            enablePositionIncrements="true"
            />
    <filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.EnglishPossessiveFilterFactory"/>
    <filter class="solr.KeywordMarkerFilterFactory" protected="protwords.txt"/>
    <filter class="solr.PorterStemFilterFactory"/>
于 2013-06-07T05:06:05.333 回答
2

Why do we need two?

这样您就可以对不同的内容进行不同的分析。或者,您甚至可以根据需要以不同的方式分析相同的内容(使用copyField)。这为您在查询时提供了更多关于要查询的字段的选择。

text_general is used for the asian words in the sentence and text_en for english words?

不,每个字段只能有一个fieldType,就像数据库一样。

如果你想对同一个领域的不同语言做不同的分析,那么你可以看SmartChineseAnalyzer的例子。

另请参阅http://docs.lucidworks.com/display/LWEUG/Multilingual+Indexing+and+Search

于 2013-06-07T03:58:41.750 回答