Solr：字段值的完全匹配

Question

我试图在存储的值（而不是查询值）上执行完全匹配。

我的索引数据是这样的： “香蕉*”

我需要以下查询匹配：从香蕉*

• 衬衫
• 香蕉*项目
• 东西香蕉*等东西

这些应该不比赛：

• 香蕉不是*
• 香蕉是个好果子
• 智利*

我的情况其实很简单，用SQL容易可行使用类似于：query_string LIKE '%stored_val%'的查询，但我无法配置贴图程序来执行它。我相信EdgeNGramFilter可以实现这一点，但创建长度超过30个字符的ngram会非常昂贵。

我目前的实现是：在索引分析器中，使用solr.KeywordTokenizerFactory。在查询分析器中，使用solr.ShingleFilterFactory（2-4令牌）。使用分析工具时一切都很美观。但是，使用查询API，查询被翻译为：

rawquerystring: "match_name:"banana republic"", 
parsedquery_toString: "match_name:"(banana bananarepublic) republic"" 

不符合我保持令牌“香蕉*”

我的分析链的样子：

<fieldType name="singletoken" class="solr.TextField"> 
    <analyzer type="index"> 
     <charFilter class="solr.MappingCharFilterFactory" mapping="../../common-config/mapping-ISOLatin1Accent.txt"/> <!-- map accented letters to their ascii equivilants --> 
     <tokenizer class="solr.KeywordTokenizerFactory"/> 
     <filter class="solr.LowerCaseFilterFactory" /> 
     <filter class="solr.PatternReplaceFilterFactory" pattern="[^A-Za-z0-9&amp; ]" replacement=" "/> 
     <filter class="solr.PatternReplaceFilterFactory" pattern="(^\s+|\s+$)" replacement=""/> <!-- join everything in a single token with no spaces --> 
    </analyzer> 
    <analyzer type="query"> 
     <charFilter class="solr.MappingCharFilterFactory" mapping="../../common-config/mapping-ISOLatin1Accent.txt"/> <!-- map accented letters to their ascii equivilants --> 
     <tokenizer class="solr.WhitespaceTokenizerFactory" /> 
     <filter class="solr.WordDelimiterFilterFactory" /> <!-- using all default options from: https://wiki.apache.org/solr/AnalyzersTokenizersTokenFilters#solr.WordDelimiterFilterFactory --> 
     <filter class="solr.LowerCaseFilterFactory" /> 
     <filter class="solr.PatternReplaceFilterFactory" pattern="[^A-Za-z0-9&amp; ]" replacement=" "/> 
     <filter class="solr.TrimFilterFactory" /> 
     <filter class="solr.ShingleFilterFactory" minShingleSize="2" maxShingleSize="4" outputUnigrams="true" tokenSeparator="" /> 
    </analyzer> 
    </fieldType> 

Answer 1

在4.x版并且trunk的默认值由q.op参数决定（q.op = AND => mm = 100％; q.op = OR => mm = 0％）。请记住，缺省操作符受到schema.xml条目的影响。在较旧版本的Solr中，默认值为100％（所有子句必须匹配）

您是否在查询中使用了此语法？

您的网域：8983/Solr的/选择/ Q =香蕉+*& DEFTYPE = dismax & q.op = AND & ......

OR

您的网域：8983/Solr的/选择/？ q =香蕉+*& DEFTYPE = dismax &毫米= 100％& ......

Answer 2

有没有办法解决这个问题，而不是诉诸定制query Tokenizers，因为问题在于标记化阶段。

让说，我们有这句话：banana republic 我们要索引和查询准确的词组。 什么是实际发生的事情是：

指数时间：时Solr的被索引banana republic标记生成器将这个短语分成两个独立的短语，因此该指数将这个样子

短语：banana

短语：republic

查询时间： 在查询的时候，您还将搜索两个分离由OR操作加入的汇率短语。

你真正需要的是这样的：

指数：短语：banana republic为一个令牌。

查询：搜索词组：banana republic为一个令牌。

最好的解决方案是使用是使用自定义短语断词像这样的：//计算器：https://github.com/lucidworks/auto-phrase-tokenfilter