lucene - 在Sitecore中停用词

Question

我们正在使用Lucene作为Sitecore的一部分进行文本搜索。
是否有任何方法可以忽略Sitecore搜索中的停用词(例如a，an，the ...)？

Answer 1

默认情况下，Sitecore使用Lucene标准分析器-Lucene.Net.Analysis.Standard.StandardAnalyzer。您可以看到这是在web.config文件的/configuration/sitecore/search/analyzer元素中定义的。 StandardAnalyzer类的构造函数之一接受它将视为停用词的字符串数组。默认情况下，它使用停用词的硬编码列表，其中包括:

"a", "an", "and", "are", "as", "at", "be", "but", "by", "for", "if", "in", "into", "is", "it", "no", "not", "of", "on", "or", "such", "that", "the", "their", "then", "there", "these", "they", "this", "to", "was", "will", "with"

如果您想覆盖此行为，我认为您应该继承 StandardAnalyzer并覆盖其默认构造函数，以从其他来源而不是硬编码数组获取停用词。您有多种选择，甚至可以从文本文件中读取。不要忘记在web.config中用您的标准类替换标准类。

有关更多详细信息，请参见 StandardAnalyzer类的其他构造函数。 .NET Reflector是您的 friend 在这里。