Solr搜索部分句子

Question

我们在使用 Solr 搜索来搜索部分句子时遇到了麻烦。我们对以下结果尝试了不同的查询:

<doc>
    <str name="id">7975</str>
    <str name="name">Ici Paris XL geschenkset aanbieding</str>
    <long name="_version_">1467524712314699776</long></doc>
</doc>
<doc>
    <str name="id">7976</str>
    <str name="name">De tuinen geschenkset aanbieding</str>
    <long name="_version_">1467524712315748352</long></doc>
</doc>

我们尝试过的搜索:

• *:* 返回所有内容
• *Paris* 仅返回第一个(对于 Paris，这是正确的)
• *Paris*XL* 只返回第一个
• *paris*XL* 什么都不返回(大写 P 现在小写)
• *(Paris XL)* 返回所有内容
• *"Paris XL"* 返回所有内容
• (Paris XL) 什么都不返回
• "Paris XL" 什么都不返回

我们想要的是能够搜索“Paris XL”(带空格)并返回第一个结果。所以我们可以搜索句子的一部分。那可能吗？以及如何？

Answer 1

您缺少的是 Lucene 和 Solr 如何执行其搜索的基本部分。 Solr 不搜索，但它会在为特定文档集创建的索引中查找搜索的标记(单词)。这样的索引——非常简单——就像每本书末尾的索引。您可以在那里查找每个单词在实际文本中的位置。

目前您的字段 name 根本没有标记化，因为您使用的是 fieldType string。这意味着该字段的全部内容被索引为一个 词。正如您已经注意到的那样，这是一个问题。

当您现在搜索 paris 时，Solr 会查看索引并搜索标记 paris 是否存在。但事实并非如此。以您发布的两个示例为例，您的索引包含两个条目

1. Ici Paris XL geschenkset aanbieding
2. De tuinen geschenkset aanbieding

这些条目中的每一个都需要等于 paris - 从前面到结尾 - 才能产生命中。不是这种情况。因此，您使用通配符 * 包围了 paris。这使得 Solr 会查看索引的每个条目，这将导致非常、非常、非常糟糕的性能。

---

那么你应该怎么做才能解决这个问题？开始标记化!这个描述的不错in the official documentation或在 the Solr Tutorial .

---

最后，您将在您的 schema.xml 中添加一个自定义字段类型，与此类似

<fieldType name="text_general" class="solr.TextField">
  <analyzer>
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

然后您需要将字段 name 的 fielType 更改为新的 fielType，并且您需要重建索引。

那么你的索引将包含更多的字段名条目，而不是像上面的两个，而是这些

1. 我是
2. 巴黎
3. xl
4. 设置
5. 安别丁
6. 德
7. 推嫩

然后您可以查询"paris xl"。记下搜索前后的撇号。这使得 Solr 执行短语查询，因此只有当 paris 后跟 xl 时它才会产生命中。