Solr Facet Search截斷單詞

Question

為法語內容配置了一個solr。 搜索很好，但是當我激活分面搜索時，單詞會以一種特殊的方式被截斷。

所有e都消失了，例如用汽車代替汽車，用蒙塔貢代替蒙塔涅，用手寫筆代替style，homm => homme等。

<lst name="keywords">
    <int name="automobil">1</int>
    <int name="citroen">1</int>
    <int name="minist">0</int>
    <int name="polit">0</int>
    <int name="pric">0</int>
    <int name="shinawatr">0</int>
    <int name="thailand">0</int>
</lst

這是查詢q = fulltextfield：champpions＆facet = true＆facet.field = keywords

關鍵字內容：

<arr name="keywords">
    <str>Ski</str>
    <str>sport</str>
    <str>Free style</str>
    <str>automobile</str>
    <str>Rallye</str>
    <str>Citroen</str>
    <str>montagne</str>
</arr>

這是使用的架構：

<fieldtype name="text_fr" class="solr.TextField">
  <analyzer type="index">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords_fr.txt"/>
    <filter class="solr.WordDelimiterFilterFactory" preserveOriginal="1" generateWordParts="1" generateNumberParts="1" catenateWords="1" catenateNumbers="1" catenateAll="0" splitOnCaseChange="0" />
    <filter class="solr.ISOLatin1AccentFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.SnowballPorterFilterFactory" language="French"/>
  </analyzer>
  <analyzer type="query">
    <tokenizer class="solr.StandardTokenizerFactory"/>
    <filter class="solr.StandardFilterFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords_fr.txt"/>
    <filter class="solr.WordDelimiterFilterFactory" preserveOriginal="1" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNumbers="0" catenateAll="0" splitOnCaseChange="1" />
    <filter class="solr.ISOLatin1AccentFilterFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.SnowballPorterFilterFactory" language="French"/>
  </analyzer>
</fieldtype>

字段def：

如果有人對此有想法...。

感謝您的回答。 問候傑羅姆·朗格

Answer 1

通常，如果要將字段用作構面，則應將其存儲為字符串。

您正在處理標記化和過濾后的字段，因此各個值是關鍵字字段中已處理的單詞。

Answer 2

以上說的都是正確的，我只想添加一個方面。 構面值是索引項，而不是存儲的項。 構面的一種建議是使用字符串類型。 這通常是一個不錯的選擇。 但是有時候您想從某些方面入手。 在這種情況下，您可以使用文本類型，但只能輕視輸入。 在任何情況下，都應避免使用上述的詞干（SnowballPorter）或WordDelimiter。

一個很好的選擇是KeywordTokenizerFactory，您可以使用PatternReplace清理您的術語和輸入，最后進行TrimFilter。 如果您的用戶要查看條款，請不要使用小寫字母。

例如，我的輸入是字母語言代碼。 PatternReplace清除非字母字符，第二個錯誤糾正輸入錯誤：

`

  <analyzer>
     <tokenizer class="solr.KeywordTokenizerFactory" />
     <filter class="solr.LowerCaseFilterFactory" />
     <filter class="solr.PatternReplaceFilterFactory"
             pattern="([^a-z])" 
             replacement="" 
             replace="all" />
     <filter class="solr.PatternReplaceFilterFactory"
             pattern="fer|xxx"
             replacement="und"
             replace="all" />
     <filter class="solr.LengthFilterFactory" min="3" max="3" />
  </analyzer>

`

玩solr

奧立佛