Solr 使用自定义 Query Parser(短语查询,精准查询)

原文出处：http://blog.chenlb.com/2010/08/solr-use-custom-query-parser.html

由于 Solr 默认的 Query Parser 生成的 Query 一般是 “短语查询”，导致只有很精确的结果才被搜索出来。大部分时候我们要分词后的 BooleanQuery。一年半前有篇关于 solr 使用自定义的 QueryParser 的文章。使用这个方法在 solr 中可以用自己的 Query Parser。

按照那篇文章，分别扩展：QParserPlugin、QParser、SolrQueryParser。我把它们实现为：ExtLuceneQParserPlugin、ExtLuceneQParser、SolrQueryParser 源码下载。

配置使用，把 solr-1.4-query-parser-extand-0.1.jar 放到 solr.home/lib 里，同时也把 mmseg4j-all-1.8.2-with-dic.jar 放到 solr.home 当然也可以其它分词器（paoding 可以，看：solr 中使用 paoding 中文分词，N久前验证过 paoding 使用这个扩展可以，有问题通知我）。

schema.xml 加或改：

<fieldType name="text_cn" class="solr.TextField" positionIncrementGap="100">
  <analyzer>
    <tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"/>
  </analyzer>
</fieldType>

<!--  ..... -->

<field name="title" type="text_cn" indexed="true" stored="true"/>

 <defaultSearchField>title</defaultSearchField>
 <solrQueryParser defaultOperator="AND"/>

保存 doc-demo.xml，

<?xml version="1.0" encoding="UTF-8" ?>
<add>
<doc>
  <field name="id">1</field>
  <field name="title">研究空格生命起源</field>
</doc>
</add>

启动 solr (solr.root=e:/apache-solr-1.4.1), 提交一个文档。

#启动 solr
cd solr.root/example
java -jar start.jar

#提交索引
cd solr.root/example/exampledocs
java -jar post.jar doc-demo.xml

用两种方式查询：

1、extand lucene query parser 方式：查 研究生命起源

结果：

<?xml version="1.0" encoding="UTF-8"?>
<response>

<lst name="responseHeader">
 <int name="status">0</int>
 <int name="QTime">0</int>
 <lst name="params">
  <str name="debugQuery">on</str>
  <str name="indent">on</str>
  <str name="q">研究生命起源</str>
  <str name="defType">extlucene</str>
 </lst>
</lst>
<result name="response" numFound="1" start="0">
 <doc>
  <str name="id">1</str>
  <str name="title">研究空格生命起源</str>
 </doc>
</result>
<lst name="debug">
 <str name="rawquerystring">研究生命起源</str>
 <str name="querystring">研究生命起源</str>
 <str name="parsedquery">+title:研究 +title:生命 +title:起源</str>
 <str name="parsedquery_toString">+title:研究 +title:生命 +title:起源</str>
 <str name="QParser">ExtLuceneQParser</str>
</lst>
</response>

2、用 solr 的默认 query parser 的查询，查 研究生命起源

结果：

<?xml version="1.0" encoding="UTF-8"?>
<response>

<lst name="responseHeader">
 <int name="status">0</int>
 <int name="QTime">0</int>
 <lst name="params">
  <str name="debugQuery">on</str>
  <str name="indent">on</str>
  <str name="start">0</str>
  <str name="q">研究生命起源</str>
  <str name="version">2.2</str>
  <str name="rows">10</str>
 </lst>
</lst>
<result name="response" numFound="0" start="0"/>
<lst name="debug">
 <str name="rawquerystring">研究生命起源</str>
 <str name="querystring">研究生命起源</str>
 <str name="parsedquery">PhraseQuery(title:"研究 生命 起源")</str>
 <str name="parsedquery_toString">title:"研究 生命 起源"</str>
 <str name="QParser">LuceneQParser</str>
</lst>
</response>

对比两个结果：

1、第一个是 debug 输出 QParser 为 ExtLuceneQParser，是刚才安装的扩展。并且可以搜索到内容，为 BooleanQuery("+title:研究 +title:生命 +title:起源")；

2、第二个 debug 输出的 QParser 为 LuceneQParser，搜索不到内容，原因是它把查询解析为 PhraseQuery(title:"研究 生命 起源")，它们必须紧接着的（当然可以指定 slop）。

源码使用说明(在 readme.txt 里)，源码下载：

copy example 目录到 solr.root(e:/apache-solr-1.4.1) 里。

cd solr.root/example
java -jar start.jar

cd solr.root/example/exampledocs
java -jar post.jar doc-demo.xml

比较两链接:

http://localhost:8983/solr/select/?q=%E7%A0%94%E7%A9%B6%E7%94%9F%E5%91%BD%E8%B5%B7%E6%BA%90&defType=extlucene&indent=on&debugQuery=on
上面链接的参数可以加到 standard handle 里的defaults，如：

<requestHandler name="standard" class="solr.SearchHandler" default="true">
  <!-- default values for query parameters -->
   <lst name="defaults">
     <str name="echoParams">explicit</str>
     <str name="defType">extlucene</str>
   </lst>
</requestHandler>

<queryParser name="extlucene" class="com.chenlb.solr.search.ExtLuceneQParserPlugin"/>

正常的 solr query parser
http://localhost:8983/solr/select/?q=%E7%A0%94%E7%A9%B6%E7%94%9F%E5%91%BD%E8%B5%B7%E6%BA%90&indent=on&debugQuery=on

这一问题困扰很多网友。特写这文章仅供参考。

lucene/solr 3.5 可以试试 solr-3.5-query-parser-extend.zip