filter - Lucene 标记化/过滤器未按预期工作

问题描述

我试图在我的 Solr/Lucidworks 设置中找出我的分析仪配置的正确配置。

我在 Solr 分析中看到的结果似乎表明我应该得到匹配，但是当我执行 Solr 查询（本机或在 Lucidworks UI 中）时，没有返回任何结果。

架构中的相关片段是：

<field name="content" indexed="true" multiValued="false" required="false" stored="true" type="dlowe_text_en"/>


<dynamicField indexed="true" name="*_txt_en_dlowe_split_tight" stored="true" type="dlowe_text_en"/>
<fieldType autoGeneratePhraseQueries="true" class="solr.TextField" name="dlowe_text_en" positionIncrementGap="100">
    <analyzer>
        <tokenizer class="solr.WhitespaceTokenizerFactory"/>
        <filter class="solr.EnglishPossessiveFilterFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
    <analyzer type="query">
        <tokenizer class="solr.WhitespaceTokenizerFactory"/>
        <filter class="solr.EnglishPossessiveFilterFactory"/>
        <filter class="solr.LowerCaseFilterFactory"/>
    </analyzer>
</fieldType>

我已经索引了一些包含字符串的内容：

Administrator's Guide

现在，当我使用 Solr 分析时，得到的结果如下：

我的理解是，如果突出显示任何结果，则表示匹配，但是当我在 Solr 中的“管理员”上进行搜索时，找不到任何结果：

如果我搜索：

Administrator's

我确实得到了预期的结果。

我完全想念分析工具应该如何工作的理解？

我想要实现的是一个支持很多技术项目的搜索索引，它只会匹配精确的值。例如：

V-123-1231-1231
WILL_NOT_CHANGE
/mnt/abc/驱动程序/
4040:5050

所以 WhitespaceTokenizer 似乎是最有意义的，但我还需要对非技术字符串进行词干处理，这些字符串将由句点 (.)、破折号 (-)、下划线 (_)、斜杠 (\ 或 /) 等表示。

任何见解/建议将不胜感激。

标签： filtersolrlucenetokenizelucidworks

基于进一步的调查和提升最新版本的 Solr (8.7) 与非常老的 corp. 我们正在使用的版本（6.4.2）。

加上上面 Abhijit 的强化，我发现 Solr 的“完整记录”搜索并不像我预期的那样工作。

相反，我需要：

将我想要索引的所有字段复制到单个多值字段中（例如 content_all）
然后我需要添加查询参数： df=content_all 执行。

一旦我这样做了，我就开始得到我期望的结果。

对于那些定期使用 solr/lucene 的人来说可能很明显，但我不清楚。切换到没有“默认字段”的 8.7，让我了解这个解决方案。

希望这对将来的其他人有所帮助。

filter - Lucene 标记化/过滤器未按预期工作 | Solr分析混乱

问题描述

解决方案

推荐阅读