solr - Solr 部分搜索
问题描述
(这里是 Solr 新手)我设置了一个简单的 solr 实例来索引 html/pdf 文档的集合。它基本上可以工作,但我一直在尝试添加部分搜索功能。
到目前为止我尝试了什么:因为我认为保留默认托管模式会更好,所以我尝试使用模式 api 添加一个text_partial
带有ngram过滤器的字段,就像这样。
curl -X POST -H 'Content-type:application/json' --data-binary '{
"add-field-type":{
"name":"text_ngram",
"class":"solr.TextField",
"positionIncrementGap":"100",
"indexAnalyzer":{
"tokenizer":{
"class":"solr.WhitespaceTokenizerFactory"
},
"filters": [
{"class":"solr.LowerCaseFilterFactory"},
{
"class":"solr.NGramTokenizerFactory",
"maxGramSize":"25",
"minGramSize":"3",
}
]
},
"queryAnalyzer":{
"tokenizer":{
"class":"solr.WhitespaceTokenizerFactory"},
"filters":[
{"class":"solr.LowerCaseFilterFactory"}]}
},
"add-field":{
"name": "text_partial",
"type": "text_ngram",
"indexed": true,
"stored": true
}
}' http://127.0.0.1:8983/solr/my_collection/schema
我试图删除所有文档并重新索引,但我看不出与以前有任何区别:全词搜索仍然有效,但对“text_partial:something”的查询没有结果。
然后我意识到我没有对我的 DataImportHandler 进行任何修改,目前就是这样
<dataConfig>
<dataSource type="BinFileDataSource" />
<document>
<entity name="files" dataSource="null" rootEntity="false"
processor="FileListEntityProcessor"
baseDir="C:/xampp/htdocs/tcdocs12" fileName=".*\.(html|pdf)"
onError="skip"
recursive="true">
<field column="fileAbsolutePath" name="id" />
<field column="fileSize" name="size" />
<field column="fileLastModified" name="lastModified" />
<entity
name="documentImport"
processor="TikaEntityProcessor"
url="${files.fileAbsolutePath}"
format="text"
transformer="TemplateTransformer,RegexTransformer"
>
<field column="file" name="fileName"/>
<field column="Author" name="author" meta="true"/>
<field column="title" name="title" meta="true"/>
<field column="text" name="text"/>
<field column="tempCol" template="${files.fileAbsolutePath}" regex="${dataimporter.request.docs_dir}(.*)" replaceWith="$1"/>
<field column="url" regex="\\" replaceWith="/" sourceColName="tempCol"/>
<field column="cat" regex="^\/.+?\/(.+?)\/.*" replaceWith="$1" sourceColName="url"/>
</entity>
</entity>
</document>
</dataConfig>
我是否必须对 DIH 或架构进行任何修改才能在“text_partial”字段中处理和索引“文档文本内容”?
解决方案
内容不会神奇地添加到字段中。如果您已经将内容索引到一个字段中,例如名为 的字段text
,您可以添加一条copyField
指令以有效地将相同的内容索引到具有不同处理的两个字段中。
curl -X POST -H 'Content-type:application/json' --data-binary '{
"add-copy-field":{
"source":"text",
"dest":[ "text_partial" ]}
}' http://localhost:8983/solr/my_collection/schema
添加此规则后,您需要重新索引,因为复制发生在索引时的任何进一步处理之前。
推荐阅读
- r - 基于 POSIXct 值组合两个数据集
- android - 导航抽屉项目点击
- postgresql - 如何理解 PostgreSQL 中的嵌套循环解释?
- .net - 即使签名不同,重载也会产生错误
- google-api - OAuth 2.0 客户端 ID 仅允许访问我的内部组织中的一组用户
- python - 有没有办法输出在 Python 中执行的当前行?
- python - Raspberry Pi 和 Windows 10 之间的蓝牙串行连接在片刻后超时
- powershell - 使用 Powershell 在 AD 中的特定组中查找特定用户
- ajax - 使用 Laravel 6 和 Fullcalendar 4 解析 JSON 错误失败
- c++ - 为什么 C++ 中的三角函数会跳过一些值?