solr - SOLR 中的索引加字符

Question

我正在使用 UAX29URLEmailTokenizerFactory 分词器为 SOLR 中的一些 URI 编制索引。问题是我的一些 URI 包含加号字符，SOLR 将其解释为空格并拆分 URI。这个问题可以通过巧妙地转义“+”字符来解决吗？我在分析器中尝试了“+”，但得到了相同的结果。这是我对字段的确切配置:

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
    <analyzer type="index">
    <tokenizer class="solr.UAX29URLEmailTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true" />
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.UAX29URLEmailTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true" />
    <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

Answer 1

您可以在分析器之前使用 CharacterFilter(例如 PatternReplaceCharFilterFactory)。这link有一些很好的信息。我能想到的一种解决方案是用其他字符替换 + 字符 - 然后当您提供此链接时，请记住将其替换回去。

另外要研究的是，将其替换为加号(%2B)的 URL 编码值，并查看分析器是否将其视为空格。