欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

solr4.3之拼写检查SpellChecker功能

程序员文章站 2022-04-04 14:14:03
...
拼写检查功能,能在搜索时,提供一个较好用户体验,所以,主流的搜索引擎都有这个功能。在这之前,笔者先简单的说一下什么是拼写检查,其实很好理解,就是你输入的搜索词,可能是你输错了,也有可能在它的检索库里面根本不存在这个词,但是这时候它能给你返回,相似或相近的结果来帮助你校正。

举个例子,假如你在百度里面输入在在线电瓶,可能它的索引库里面就没有,但是它有可能返回在线电影,在线电视,在线观看等等一些词,这些,就用到拼写检查的功能了。

solr作为一种开源的搜索服务器,对拼写检查,也提供了良好的支持,那么下面笔者就来讲下关于solr4.3的拼写检查的配置,在这之前先说明一点,作为拼写检查用,为了提高校正的准确率,一般对校正的词,不要进行分词,所以用string就好了,拼写检查的配置主要是在solrconfig.xml里面配置.



1,拼写组件SpellCheckComponent配置
2,在SearchHandler   /select里面配置
3,在SearchHandler   /spell里面配置

按照上面3来,就可以快速配置好拼写检查功能了,其实笔者上面写的4步,其实只配置2,3步就可以了,另外的第4步用默认值就可以了,在这里把它写出来,只是让大家有个认识


拼写组件SpellCheckComponent它其实是核心的东西,在他的里面可以配置1至多个拼写检查器,启动的时候所有的检查器都会加载,这次笔者主要介绍的有2个拼写检查器,一个是默认的只对主索引做拼写校正,另外一个是自定义加载spellings.txt拼写检查库,带拼写校正索引库的检查器,其他的检查器各位道友想要使用的话就自己去看wiki了。

 <searchComponent name="spellcheck" class="solr.SpellCheckComponent">
      
	<!-- 查询分析器,如果不指定的话,默认会使用field字段类型的分词器 -->
    <str name="queryAnalyzerFieldType">string</str>
    <!-- 默认的校正器,只对主索引库管用 -->
	<lst name="spellchecker">
      <str name="name">default</str>
      <str name="field">my_word</str>
      <str name="classname">solr.DirectSolrSpellChecker</str> 
      <str name="distanceMeasure">internal</str>
      <float name="accuracy">0.7</float>
      <int name="maxEdits">1</int>
      <int name="minPrefix">1</int>
      <int name="maxInspections">5</int>
      <int name="minQueryLength">4</int>
      <float name="maxQueryFrequency">0.01</float>
    </lst>
	 
	 <!--  读取拼写检查库的索引进行校正可以,使用默认配置,取消注释即可 -->
	<lst name="spellchecker">
         <str name="classname">solr.FileBasedSpellChecker</str>
         <str name="name">file</str>
         <str name="sourceLocation">spellings.txt</str>
         <str name="characterEncoding">UTF-8</str>
         <str name="spellcheckIndexDir">spellcheckerFile</str>
       </lst>
  </searchComponent>

对于上面的代码,虽然可以加载多个校正器,但是在拼写检查时,只能指定特定的一个进行校正,那么为什么要配置多个校正检查器呢? 笔者个人感觉这个主要是方便在程序运行可以动态切换校正器。

在spellings.txt里面自定义的拼写检查词,注意编码的格式一定是要UTF-8无BOM的格式,这里面的词,会在solr服务启动时,自动创建spellcheckerFile文件夹并把内容加载到

F:\eclipse10tomcat\webapps\solr\solr_home\collections\collection1\data\spellcheckerFile
索引起来。

SearchHandler   /select这个检索请求里面的配置很重要,拼写检查是否启用就是在这里面配置,
 <requestHandler name="/select" class="solr.SearchHandler">
    <!-- default values for query parameters can be specified, these
         will be overridden by parameters in the request
      -->
     <lst name="defaults">
       <str name="echoParams">explicit</str>
       <int name="rows">10</int>
       <str name="df">text</str>
     </lst>
	 <!-- 这行代码非常重要,如果没有这行,拼写检查,是不起作用的-->
	  <arr name="last-components">
         <str>spellcheck</str>
       </arr>
    </requestHandler>



SearchHandler   /spell组件使用默认配置即可
<requestHandler name="/spell" class="solr.SearchHandler" startup="lazy">
    <lst name="defaults">
      <str name="df">text</str>
      <str name="spellcheck.dictionary">direct</str>
      <str name="spellcheck">on</str>
      <str name="spellcheck.extendedResults">true</str>            
      <str name="spellcheck.collate">true</str>
      <str name="spellcheck.collateExtendedResults">true</str>       
    </lst>
    <arr name="last-components">
      <str>spellcheck</str>
    </arr>
  </requestHandler>


至此,拼写检查功能已经配置完毕,可以用solr的UI页面进行主索引测试,也可以用spellCheckFile里面的副索引,测试,但是,一次只能使用一种校正方法
下面给出solrj代码
	public  List<String>   spellcheck(String word){
		List<String>  wordList=new ArrayList<String>();
		SolrQuery query = new SolrQuery();
		//query.set("q","name:ac");
		//query.set("qt", "/spell");
	 //默认是主索引
		query.set("q", "my_word:"+word+"");  
		query.set("qt", "/select");
		//query.set("spellcheck.build", "true");//遇到新的检查词,会自动添加到索引里面
		//query.set("spellcheck.dictionary", "file");//使用副索引,checkSpellFile里面的进行使用
		query.set("spellcheck", "true");
		query.set("spellcheck.count", Integer.MAX_VALUE);
		  //  params.set("spellcheck.build", "true");
		 
		try {
		QueryResponse	rsp = server.query(query);
	    System.out.println("直接命中:"+rsp.getResults().size());             
		SolrDocumentList ss=rsp.getResults();
		for(SolrDocument doc:ss){
			System.out.println(doc.get("my_word"));
		}
		//…上面取结果的代码
	    SpellCheckResponse re=rsp.getSpellCheckResponse();
		
		if (re != null) {
		    for(Suggestion s:re.getSuggestions()){
		     List<String> list=s.getAlternatives();
		     for(String spellWord:list){
		    	 System.out.println(spellWord);
		    	// wordList.add(spellWord);
		     }
		    }
//		  for(Collation s: spellCheckResponse.getCollatedResults()){
//			  System.out.println(s.toString());
//		  }
		}

		  return wordList;
		} catch (SolrServerException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		
		return null;
	}




最后,笔者关于拼写检查还有一个问题没有搞清楚,就是使用spellings.txt里面的自定义词,检索时只能检索出长度大于2的词,希望各位看到此篇文章的读者也测试一下,找一下解决方法。