Lucene3.6和特殊字符的自定义标记器/模拟器
我在我的项目中使用Lucene3.6和StandardAnalyzer进行索引和搜索。这样的模拟程序按所有特殊字符(@,#,-,_)拆分搜索查询字符串。
谢了！
共有1个答案
StandardAnalyzer使用StandardTokenizer定义语法规则（分词符等）。后者的文件说：
许多应用程序都有特定的标记器需求。如果此标记器不适合您的应用程序，请考虑将此源代码目录复制到您的项目中，并维护您自己的基于语法的标记器。
快速浏览StandardTokenizer代码，我可以猜测从token_types中删除“
可能就足够了。也可能不是：-）
是的，您需要重新索引。
-
正如我们所看到的，一个反斜杠 "\" 是用来表示匹配字符类的。所以它是一个特殊字符。 还存在其它的特殊字符，这些字符在正则表达式中有特殊的含义。它们可以被用来做更加强大的搜索。 这里是包含所有特殊字符的列表：[ \ ^ $ . | ? * + ( )。 现在并不需要尝试去记住它们 —— 当我们分别处理其中的每一个时，你自然而然就会记住它们。 转义 如果要把特殊字符作为常规字符来使用，只需要在它前面
-
问题内容： 我想电视机1 ® 2的outputText： 什么不对？我大写。 问题答案： 您可以选择以下之一 在您最初的建议中，您放错了位置，应该在 您也可以完全删除（但您的（R）不会很小） 最后，您可以直接使用它而无需转义
-
我正在使用Apache FOP，并且已经看到：XSL-在XSL:when测试期间转义撇号，用于在XSL:when测试期间转义字符。 但是，我在使用xsl：模板匹配执行相同的等价测试时遇到问题 示例XML 样品XSL PDF格式输出： 当测试成功而模板匹配失败时，xsl： 如果有人能给我指出正确的方向或者告诉我我做错了什么，我会非常感激的。 非常感谢
-
本文向大家介绍Solr通过特殊字符分词实现自定义分词器详解，包括了Solr通过特殊字符分词实现自定义分词器详解的使用技巧和注意事项，需要的朋友参考一下 前言 我们在对英文句子分词的时候，一般采用采用的分词器是WhiteSpaceTokenizerFactory，有一次因业务要求，需要根据某一个特殊字符（以逗号分词，以竖线分词）分词。感觉这种需求可能与WhiteSpaceTokenizerFacto
-
我有一个标记化的文本（拆分的句子和拆分的单词）。并将基于此结构创建Apache Lucene索引。什么是最简单的方法来扩展或替换一个standart标记器使用自定义标记。我正在查看StandardTokenizerImpl，但似乎非常复杂。可能还有别的办法吗？
-
问题内容： 我正在为法国客户做一些工作，因此需要处理带重音符号的字符。但是我遇到了很多困难，希望解决方案很简单，并且有人可以向我指出。 字符串： 转换为： 请注意，带重音符号的字符缺失- 在 ê* 后面紧跟着 t ，在 é 后面紧跟着 m 。 * 我尝试使用StringEscapeUtils来成功转义某些字符，例如 ă 。我还构建了自己的转义功能，该功能产生相同的结果（ ă 可以工作， ê 不会）