理解solr中的 Analyzer,Tokenizer,Filter

翻译自 Apache Solr Reference Guide

 

Analyzer：

analyzer负责检查这个field，然后生成一个token流，一般作为fieldType的一个字节点存在，比如：

<analyzer type="query">
        <tokenizer class="solr.WhitespaceTokenizerFactory"/>
        <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/>
        <filter class="solr.WordDelimiterFilterFactory" generateWordParts="1" generateNumberParts="1" catenateWords="0" catenateNu
mbers="0" catenateAll="0" splitOnCaseChange="1"/>
        <filter class="solr.LowerCaseFilterFactory"/>
        <filter class="solr.PorterStemFilterFactory"/>
      </analyzer>

 

 任何复杂的field的分析都可以被分成独立的，一系列的处理步骤，你会发现solr中包含了大部分你需要用到的analyzer。在这个例子中，虽然没有制定特定的analyzer的类，但是他们的按照配置的流程依次走过，从 WhitespaceTokenizerFactory 开始，最后PorterStemFilterFactory 结束。通过配置analyzer的type可以指定是在 index阶段还是 query阶段使用。

 

Tokenizer:

tokenizer是把一个文本流切成一个个token的，就是传说中的分词，把一句话分成一段一段的，一些空格，停顿符啥的可能被扔了，一个token包含一些这个词的元信息在里面，比如说这个词的位置，当然分词的结果很可能是偏离原来意思的。如果就为了分词的话，一个analyzer中只有一个tokenizer，否则，这个输出会作为以下输入来使用，

 

Filter：

filter比tokenizer简单，是专门处理一个个token的， 把他们做变换或者是丢弃什么的。filter是接受一个token流，输出一个token流，所以可以是一个链条，处理的顺序跟schema里面的顺序是一样的，所以我们一般把通用的filter放到前面，其他放后面。

 

 调试自己的anaylizer使用http://localhost:8983/solr/#/collection1/analysis  就可以了 ，十分方便。