search - Solr、特殊字符和拉丁文到西里尔文字符转换

Question

我正在尝试使用 Solr(或 Lucene)设置一个搜索引擎，该引擎可以包含带有特殊字符的拉丁文文本(特殊字符包括 Ö 或 Ç 作为示例)或西里尔字符(示例包括 Б 或 б 和Жж)。

无论如何，我正在尝试找到一种解决方案，让我能够搜索包含这些字符的单词，但对于键盘上没有该键的用户...

示例是(在这里编造一些词语，希望不会冒犯任何人):

• 搜索“book”时会找到“BÖÖK”
• 搜索 XRAY 时会找到“ЖRAY”
• 如果搜索 ZRAY、ZHRAY 或 žray，也会找到“ЖRAY”(有关 Cylric 到 Latin Char 音译的信息，请参阅 GOST 16876-71。

那么，我该怎么办呢？我的一些理论是:

• 允许为每个原始字符串存储多个文本字段，一个以原始形式存储，一个在第一遍音译中(例如，将 Ö 仅转换为 O，Ж 转换为 ž，但也转换为 X)，然后第三种形式(从 ž 到 z 或 zh)-> 意味着我将存储大量数据...
• 按原样存储在 solr 中，并让 Solr 发挥作用 -> 不知道这效果如何...在 solr 中看不到任何可以执行此操作的内容
• 我还没有找到 Elixir ...

有什么想法吗？有人尝试过这个吗？

Answer 1

看看Solr's Analyzers, Tokenizers, and Token Filters这可以让您很好地了解您正在寻找的操作类型。