Solr：索引前的脱衣舞标点符号

Question

当单词后标点符号跟随时，我在从SOLR索引上脱离标点符号有问题，那么这个词不能正确地索引。

例如：如果我们为“ Hello，John”索引，则将通过关键字“ Hello”找到资产，而如果我们在Word“ Hello”之后删除逗号，则不会出现问题。

是否有任何要剥离标点符号的过滤器捕获物？有任何想法吗？

谢谢，博格丹。

Answer 1

您可以使用 solr.PatternReplaceFilterFactory 剥离开始和落后标点符号：

<filter class="solr.PatternReplaceFilterFactory"
    pattern="^\p{Punct}*(.*?)\p{Punct}*$"
    replacement="$1"/>

而且，如果您想在开始和结束时剥离所有标点符号，例如（例如）单词前的美元标志，您可以使用以下方式：

<filter class="solr.PatternReplaceFilterFactory"
    pattern="^[\p{Punct}&&[^$]]*(.*?)\p{Punct}*$"
    replacement="$1"/>

Answer 2

这是通过WordDelimiterFilterFactory完成的。 SET GERTATEWORDPARTS = 1。

还有 patterntokenizerFactory 可以使用，但是我从未尝试过。

Answer 3

使用Pattern ReplaceFilterFactory

<!-- remove punctuation -->
    <filter class="solr.PatternReplaceFilterFactory" pattern="^(\p{Punct}*)(.*?)(\p{Punct}*)$" replacement="$2"/>
    <filter class="solr.LowerCaseFilterFactory"/>
<filter class="solr.StandardFilterFactory"/>
    <filter class="solr.RemoveDuplicatesTokenFilterFactory"/>
  </analyzer>

...