java - 搜索时忽略变音符号

Question

我正在使用 Compass/Lucene 来搜索和索引我的数据库。我希望在搜索时忽略变音符号和字符大小写，这样查询“foo”将匹配“Fóo”和“foo”，而查询“fóó”将匹配“fóo”和“fOO”。

根据我所阅读的内容，我似乎需要更改 Compass 在索引和搜索我的上下文时使用的默认分析器。我找到了指定要使用的分析器的位置，但似乎找不到满足我要求的分析器实现。是否已经存在忽略变音符号和字符大小写的分析器，还是我需要自己编写？

Answer 1

看看 org.apache.lucene.analysis.ASCIIFoldingFilter 看看它是否符合您的要求。如果没有，我会使用它的来源作为编写您自己的来源的起点。

您必须使用相同的分析器配置进行索引和查询是正确的，原因很明显，如果您从索引中删除了所有变音符号，则需要从任何查询中删除它们还有。

需要注意的一件事是确保在索引/查询过程中的某处规范化任何 unicode。具体见:http://unicode.org/reports/tr15/ , http://unicode.org/faq/normalization.html , 和 http://docs.oracle.com/javase/6/docs/api/java/text/Normalizer.html .

编辑:正如下面评论中提到的，作为过滤器，您不能直接将 ASCIIFoldingFilter 用作分析器，但是这里有关于将其包含在分析器中的直接说明:stackoverflow.com/a/3834244/390153

编辑:正如@jspboix 在下面的评论中提到的，您还需要链接 LowerCaseFilter 来处理字符大小写。