solr学习之六--------Analyzer(分析器)、Tokenizer(分词器)

首先,不知道大家在前面的例子中没有试着搜索文本串,就是在第二节,我们添加了很多文档。如果字段值是一个文本。你如果只搜索这个字段的某个单词,是不是发现搜不到?

这就是因为我们没有配置Analyzer,因此在搜索的时候会“全匹配”。可以从直观感觉上理解为SQL的  like和= 的区别。


通过前面这段引文,我们就能知道:Analyzer就是分析我们的文本的。


一般来说:solr.TextField类型的字段才需要分析器。

最简单的配置分析器的如下:

  1. <fieldType name="nametext" class="solr.TextField">  
  2. <analyzer class="org.apache.lucene.analysis.WhitespaceAnalyzer"/>  
  3. </fieldType>  

其实分析器(Analyzer)还可以包括一个分词器(Tokenizer)和多个过滤器(filter),这2个东西,是为了实现更复杂的场景,我们后续再讲。

分析器一般出现在2个环境:建索引(index)和查询(query),大多数情况下这2个场景的分析过程都是一样,也就是说用的是相同的分析器。但是,你仍然可以为2个不同的阶段指字不同的分析器:

  1. <fieldType name="nametext" class="solr.TextField">  
  2. <analyzer type="index">  
  3. <tokenizer class="solr.StandardTokenizerFactory"/>  
  4. <filter class="solr.LowerCaseFilterFactory"/>  
  5. <filter class="solr.KeepWordFilterFactory" words="keepwords.txt"/>  
  6. <filter class="solr.SynonymFilterFactory" synonyms="syns.txt"/>  
  7. </analyzer>  
  8. <analyzer type="query">  
  9. <tokenizer class="solr.StandardTokenizerFactory"/>  
  10. <filter class="solr.LowerCaseFilterFactory"/>  
  11. </analyzer>  
  12. </fieldType>  

同过 type来指阶段。




Tokenizer:

  分词器,从字面意思都可以理解,就是将句子拆成一个个的词(或者是词组),比如A B C D,可以拆成A,B,C,D4个单独的单词,也有可能拆成AB,CD  或者其它。。。。 这个就看你分词规则了。

  使用如下:

  1. <fieldType name="text" class="solr.TextField">  
  2. <analyzer>  
  3. <tokenizer class="solr.StandardTokenizerFactory"/>  
  4. </analyzer>  
  5. </fieldType>  

值 得注意的是:这里配的class是Factory,而不是真正的分词器,他是通过工厂类来创建分词器实例的。所有的工厂类,必须实现org.apache.solr.analysis.TokenizerFactory

工厂的产出物,也必须派生至:org.apache.lucene.analysis.TokenStream


Filter:

   就是经过Tokenizer分词之后,再再行的继续处理,比如全转成小写,时态处理, 去掉语气词等。。。




评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值