Solr 数字字符不能搜索的一个问题

Posted 2021-03-26 陋室铭

问题一： 测试人员告诉我数字不能被搜索。于是开始找原因：

<fields>
***
<field name="productName" type="text" indexed="true" stored="true" />
***
</fields>

fieldType text配置：
<fieldType name="text" class="solr.TextField" positionIncrementGap="100">
   <analyzer type="index">
  <tokenizer class="solr.LowerCaseTokenizerFactory"/>
  <filter class="solr.EdgeNGramFilterFactory" minGramSize="1" maxGramSize="50" side="front"/>
   </analyzer>
   <analyzer type="query">
  <tokenizer class="solr.LowerCaseTokenizerFactory"/>
  <filter class="solr.EdgeNGramFilterFactory" minGramSize="1" maxGramSize="50" side="front"/>
   </analyzer>
</fieldType>

当我的productName中包含数字字符的时。比如有个产品的名字叫 ‘嘎嘎噶123’ 那么用数字1/2/3/12等等都不能搜索到

当时‘123嘎嘎噶’时也是一样。找了好久没有找到原因。也不知道怎么去找这个原因。于是边问喷油。猜想是分词的问题。于是边看Solr的管理界面看能发现点啥？

终于QQ群里一哥们说 solr.LowerCaseTokenizerFactory 会过滤掉数字  在Solr的Analysis 菜单下 看到了可以进行分词的演示正对当前的schema.xml配置。还可以选择相应的 field  一试 果真是LowerCaseTokenizerFactory 这个家伙的问题。于是寻找替代方案。经过尝试与搜索。下面的配置

最终解决了数字不能被搜索的问题。（相应的属性也改为此类型）

<fieldType name="text_inclunum" class="solr.TextField" positionIncrementGap="100">
  <analyzer type="index">
 <tokenizer class="solr.WhitespaceTokenizerFactory"/>
 <filter class="solr.EdgeNGramFilterFactory" minGramSize="1" maxGramSize="50" side="front"/>
  </analyzer>
  <analyzer type="query">
 <tokenizer class="solr.WhitespaceTokenizerFactory"/>
 <filter class="solr.EdgeNGramFilterFactory" minGramSize="1" maxGramSize="50" side="front"/>
  </analyzer>
</fieldType>


 由于我们库里的产品有拼音字段。而且是大写。 如果我用AMXL 搜索 能搜到相应的拼音。进而搜索相应的产品阿莫西林。（solr配置了all查询。拼音字段copy到了all中。）

可如果我用amxl搜索则不能搜到。于是我在程序中solr的查询语句时把查询值toUpperCase(); 终于解决了小写字母不能搜索的问题。


问题二：

但第二天发现引入的了新的问题。如果一个产品是 ‘d阿莫西林’ 那么我用d阿莫西林 进行搜索，将不能把 \'d阿莫西林\'这个产品搜出来。开始不知道为啥，放到Solr的Analysis中一测。发现了。我程序把它变为 ‘D阿莫西林’ 进行查询了。但SOlr中搜索的却是\'d阿莫西林 \' ，这次所有已小写字母打头的产品。如果用产品全名如‘‘d阿莫西林’进行搜索（自动补全出来的），将不能搜索出来。


解决了数字的问题。又遇到了小写字母的问题。 这次没有找到个Solr这边的方案。于是打算修改程序。 思路就是 把程序中SOlr的查询值变大写的地方改为。如果查询的值中有中文则不变大写。如果没有则变大写。

这样的话。如果产品是有数字的，或者有小写字母的 都能被搜索出来。 全字母的也能根据拼音搜索出来。（"solr.EdgeNGramFilterFactory" minGramSize="1" maxGramSize="50"）这个就是从左到右一个一个分词的。

于是 网上搜索一个正则查找字符串中是否有中文：

 

    /**
             * 判断一个字符串中是否含有中文
             * @param str
             * @return
             */
            public static boolean isContainsChinese(String str)     
            {    
                Matcher matcher = Pattern.compile("[\\u4e00-\\u9fa5]").matcher(str);
                boolean flg = false;  
                if (matcher.find())    {    
                    flg = true;   
                }     
                return flg;     
            }  
     
        public static String toUpperOrNot(String temp)
        {
            if (temp == null)
                return "";
            if(StringUtils.isContainsChinese(temp))
            {
                return temp;
            }else
            {
                return temp.toUpperCase();
            }
        }


于是在SOLR查询值的地方调用下toUpperOrNot()即可。最好调用下下面的转义。



温馨提示： Solr查询中如果查询值中有特殊字符需要转义：

    public static final String    NEAD_TO_CONVERT_CHAR    = "([/:()!])";    
        // solr query need to convert meaning
        public static String convertMeaningChar(String temp)
        {
            if (temp == null)
                return "";
            temp = temp.replaceAll(NEAD_TO_CONVERT_CHAR, "\\\\\\\\$1");
            return temp;
        }