java - 如何防止 solr 在索引时解码 url？

Question

我正在使用 Solrj 在 Solr 中索引文档，其中一个字段是 url。在创建 solr 文档并随后将其传递到 SolrServer 时，我没有进行任何显式解码，以保持 url 的原始格式。但是，一旦被索引，网址就会被解码。

这是一个包含撇号的测试示例。

http://test.com/test/Help/What%e2%80%99s_N1

在 solr 索引中，它被解码为

http://test.com/test/Help/What's_N1

这是一个示例代码:

SolrServer solrServer = new StreamingUpdateSolrServer(solrPostUrl, solrQueueSize, solrThreads);
SolrInputDocument solrDoc = new SolrInputDocument();
solrDoc.addField("url", "http://test.com/test/Help/What%e2%80%99s_N1");
UpdateResponse solrResponse = solrServer.add(solrDoc);

我查看了 SolrInputDocument 对象，它确实具有正确的格式，即编码版本。

如果有人能提供这方面的指示，我将不胜感激。

谢谢

Answer 1

我认为这是因为你的标记器

A good general purpose tokenizer that strips many extraneous characters and sets token types to meaningful values. Token types are only useful for subsequent token filters that are type-aware of the same token types. There aren't any filters that use StandardTokenizer's types.

关于标准Tokenizer

看看here

您可以在 solr/schema.xml 中更改所有这些行为