solr3.4 高亮(highlight),拼写检查(spellCheck),匹配相似(moreLikeThis) 应用实践

Solr 是基于lucene的检索服务器。能够很快的搭建检索服务，并且提供的很多实用的组件。例如 高亮(highlight)、拼写检查(spellCheck)和匹配相位(moreLikeThis)。下面我将在我工作中接触到的一些实践与大家分享。(我当前使用的solr 版本是 3.4，使用tomcat 7.0.21)

(如果你也使用的是 tomcat 服务器，而且查询请求包含中文的话，还需要 修改 TOMCAT_HOME/conf/server.xml 的 <Connector ... URIEncoding="UTF-8"/> 使用 UTF-8 编码，详见 [url=http://wiki.apache.org/solr/SolrTomcat#URI_Charset_Config]URI_Charset_Config[/url] 和 [url=http://tomcat.apache.org/tomcat-7.0-doc/config/http.html]http[/url])

[size=x-large]高亮(highlight)[/size]
我们经常使用搜索引擎，比如在google 搜索 java ，会出现如下结果，结果中与关键字匹配的地方是红色显示与其他内容区别开来。

[img]http://dl.iteye.com/upload/attachment/570926/d7dadf4e-d1dd-38c5-8b6b-dd508d05bd49.jpg[/img]


solr 默认已经配置了highlight 组件(详见 SOLR_HOME/conf/sorlconfig.xml)。通常我出只需要这样请求 [url]http://localhost:8080/solr/select?q=name:王麻子&start=0&rows=10&hl=true&hl.fl=name[/url] ，可以看到与比一般的请求多了两个参数 "hl=true" 和 "hl.fl=name" 。"hl=true" 则是开启高亮，"hl.fl=name" 则告诉solr 对 name 字段进行高亮(如果你想对多个字段进行高亮，可以继续添加字段，字段间用逗号隔开，如 "hl.fl=name,name2,name3")。
查询结果如下：

<?xml version="1.0" encoding="UTF-8"?>
<response>
  <lst name="responseHeader">
    <int name="status">0</int>
    <int name="QTime">15</int>
    <lst name="params">
      <str name="hl">true</str>
      <str name="hl.fl">name</str>
      <str name="q">name:王麻子</str>
      <str name="start">0</str>
      <str name="rows">10</str>
    </lst>
  </lst>
  <!--此处是一般的返回结果-->
  <result name="response" numFound="1" start="0">
    <doc>
      <str name="id">4</str>
      <str name="name">王麻子勤劳朴实</str>
    </doc>
  </result>
  <!--此处是高亮的返回结果-->
  <lst name="highlighting">
    <!--id=4-->
    <lst name="4"> 
      <!--字段name 的高亮内容-->
      <arr name="name"> 
        <!--下面是经过xml转义，其实内容是 "<em>王麻子</em>勤劳朴实"-->
        <str><em>王麻子</em>勤劳朴实</str>
      </arr>
    </lst>
  </lst>
</response>

高亮内容与关键匹配的地方，默认将会被 "<em>" 和 "</em>" 包围。如果用户想自定义高亮地方的前后标签，可以在请求中再加两个参数 "hl.simple.pre" 和 "hl.simple.post" 来分别指定前后标签，如 [url]http://localhost:8080/solr/select?q=name:王麻子&start=0&rows=10&hl=true&hl.fl=name&hl.simple.pre=<b>&hl.simple.post=</b>[/url]。或者修改 solrconfig.xml 配置文件中的 highligh searchComponent 来实现。
(highlight 更多请求参数可以参考[url=http://wiki.apache.org/solr/HighlightingParameters]HighlightingParameters[/url])


[size=x-large]拼写检查(spellCheck)[/size]

首先配置 solrconfig.xml，文件可能已经有这两个元素(如果没有添加即可)，需要根据我们自己的系统环境做些适当的修改。

  <searchComponent name="spellcheck" class="solr.SpellCheckComponent">
    <lst name="spellchecker">
      <str name="name">default</str>
      <!--这里指明需要根据哪个字段的索引为依据进行拼写检查。现配置 名为 name 的字段-->
      <str name="field">name</str>
      <!--拼写检查索引的目录-->
      <str name="spellcheckIndexDir">spellchecker</str>
      <!--当commit的时候，对拼写检查索引进行构建。(只有构建后，拼写检查才有效果)-->
      <!--当然，也可以选择在optimize的时候，进行构建。那么只需要将"buildOnCommint"换为 "buildOnOptimize"-->
      <str name="buildOnCommit">true</str>
    </lst>
  </searchComponent>

  <requestHandler name="/spell" class="solr.SearchHandler" startup="lazy">
    <!--默认参数-->
    <lst name="defaults">
      <str name="spellcheck.onlyMorePopular">false</str>
      <str name="spellcheck.extendedResults">false</str>
      <!--配置拼写检查提示结果的个数(可以根据需要适当加大)-->
      <str name="spellcheck.count">1</str>
    </lst>
    <arr name="last-components">
      <str>spellcheck</str>
    </arr>
  </requestHandler>

配置完之后，需要重新建遍索引才能有效。然后我们这以请求 [url]http://localhost:8080/solr/spell?q=name:王麻字&spellcheck=true[/url]
查询如果如下:

<?xml version="1.0" encoding="UTF-8"?>
  <response>
    <lst name="responseHeader">
      <int name="status">0</int>
      <int name="QTime">0</int>
    </lst>
    <result name="response" numFound="0" start="0"/>
    <lst name="spellcheck">
      <lst name="suggestions">
        <lst name="王麻字">
          <int name="numFound">1</int>
          <int name="startOffset">0</int>
          <int name="endOffset">3</int>
          <arr name="suggestion">
            <str>王麻子</str>
          </arr>
        </lst>
      </lst>
    </lst>
  </response>

有时候我们需要以多个字段为依据进行拼写检查，但上面的配置只能设一个字段。为了达到同样的效果，我能只能另行其道了。需要用到 coptyField 技术。比如我们在 schema.xml 中定义了

<field name="a" .../> 
<field name="b" .../>

想对 字段 a 和 b 同时为依据进行拼写检查，我们可能再加一个 field

<field name="ab" multiValued="true" .../>

然后再加两个 copyField

<copyField source="a" dest="ab" /> 
<copyField source="b" dest="ab" />

完整的配置如下:

<field name="a" .../> 
<field name="b" .../>
<field name="ab" multiValued="true" .../>
<copyField source="a" dest="ab" /> 
<copyField source="b" dest="ab" />

然后配置 SpellCheckComponent 的字段为 ab 即可。
(更详细的内容可以参考 [url=http://wiki.apache.org/solr/SpellCheckComponent]SpellCheckComponent[/url])


[size=x-large]匹配相似(moreLikeThis)[/size]
他的作用是查找相似的document。

首先在 solrconfig.xml 中配置 MoreLikeThisHandler

<requestHandler name="/mlt" class="solr.MoreLikeThisHandler">
</requestHandler>

然后我就可以请求 [url]http://localhost:8080/solr/mlt?q=id:7&mlt.true&mlt.fl=name&mlt.mintf=1&mlt.mindf=1[/url]
上面请求的意思 查找 id 为 7 的 document ,然后返回与此 document 在 name 字段上相似的其他 document。需要注意的是 mlt.fl 中的 field 的 termVector=true 才有效果

<field name="name" termVector="true" .../>

当然 mlt.fl 也可以添加多个field ，用逗号隔开就行了
(详细说明可参考 [url=http://wiki.apache.org/solr/MoreLikeThis]MoreLikeThis[/url] [url=http://wiki.apache.org/solr/MoreLikeThisHandler]MoreLikeThisHandler[/url])