Solr consulta/campo analizador

Question

Soy principiante total con Solr y tengo un problema con los caracteres no deseados que entran en los resultados de la consulta. Por ejemplo, cuando busco "foo bar" tengo contenido con "'foo' bar", etc. Solo quiero tener coincidencias exactas. Por lo que sé, esto se puede configurar en el archivo schema.xml. Mi contenido tipo de campo:

<fieldtype name="textNoStem" class="solr.TextField" positionIncrementGap="100"> 
<analyzer type="index"> 
    <filter class="solr.LowerCaseFilterFactory"/> 
    <tokenizer class="solr.KeywordTokenizerFactory"/> 
</analyzer> 
<analyzer type="query"> 
    <tokenizer class="solr.StandardTokenizerFactory"/> 
    <filter class="solr.LowerCaseFilterFactory"/> 
</analyzer> 
</fieldtype> 

Por favor, hágamelo saber si conoce la solución. Saludos cordiales.

Answer 1

Para ambos analizadores, la primera línea debe ser el tokenizador. El tokenizer se usa para dividir el texto en unidades más pequeñas (palabras, la mayoría de las veces). Para su necesidad, el WhitespaceTokenizerFactory es probablemente la opción correcta.

Si quiere una coincidencia exacta absoluta, no necesita ningún filtro después del tokenizador. Pero si no desea que las búsquedas sean sensibles a las mayúsculas y minúsculas, debe agregar un LowerCaseFilterFactory.

Observe que tiene dos analizadores: uno de tipo 'índice' y otro de tipo 'consulta'. Como los nombres implicados, el primero se usa para indexar el contenido mientras que el otro se usa cuando se realizan consultas. Una regla que casi siempre es buena es tener el mismo conjunto de tokenizadores/filtros para ambos analizadores.

Answer 2

Si solo quiere coincidencias exactas, utilice KeywordTokenizerFactory en lugar de StandardTokenizerFactory en el momento de la consulta.

Answer 3

Supongo que no obtendrá ningún resultado porque el tokening se realiza de forma diferente en los datos que ya están indexados. Como dijo Pascal, whitespaceTokenizer es la elección correcta en su caso. Úselo tanto en el índice como en el tiempo de consulta y verifique los resultados después de indexar algunos datos, no en los datos previamente indexados.

Sugiero usar la página de análisis para ver los resultados sin indexar realmente. Es bastante útil. Realice cambios en el esquema, actualice el núcleo, vaya a la página de análisis y mire la salida detallada para obtener el análisis paso a paso.