Solr俄語拼寫檢查

Question

我正在使用solr拼寫檢查俄語。當你用西里爾文字符輸入時，一切都可以，但是當你用拉丁字符輸入時，它不起作用。

我想要的拼寫檢查正確，當你與西里爾字符輸入，且當你拉丁字符打字。與對應文字與西里爾文字符。

For example, when you type: 

телевидениеее or televidenieee 

It should correct to: 

телевидение 

schema.xml中：

<fieldType name="spell_text" class="solr.TextField" positionIncrementGap="100"> 
    <analyzer> 
     <charFilter class="solr.HTMLStripCharFilterFactory"/> 
     <charFilter class="solr.PatternReplaceCharFilterFactory" pattern="[,.;:]" replacement=" "/> 
     <tokenizer class="solr.WhitespaceTokenizerFactory"/> 
     <filter class="solr.LowerCaseFilterFactory"/> 
     <filter class="solr.PatternReplaceFilterFactory" pattern="'s" replacement=""/> 
     <filter class="solr.ShingleFilterFactory" maxShingleSize="2" outputUnigrams="true"/> 
     <filter class="solr.LengthFilterFactory" min="3" max="256" /> 
    </analyzer> 
</fieldType> 

solrconfig.xml中

<searchComponent name="spellcheck" class="solr.SpellCheckComponent"> 
    <lst name="spellchecker"> 
     <str name="name">default</str> 
     <str name="field">spellcheck</str> 
     <str name="classname">solr.IndexBasedSpellChecker</str> 
     <str name="buildOnCommit">true</str> 
     <str name="buildOnOptimize">true</str> 
     <str name="spellcheckIndexDir">./spellchecker</str> 
     <str name="accuracy">0.75</str> 
    </lst> 
    <lst name="spellchecker"> 
     <str name="name">wordbreak</str> 
     <str name="field">spellcheck</str> 
     <str name="classname">solr.WordBreakSolrSpellChecker</str> 
     <str name="combineWords">false</str> 
     <str name="breakWords">true</str> 
     <int name="maxChanges">1</int> 
    </lst> 
</searchComponent> 

感謝您的幫助

Answer 1

它可以與ICUTransformFilterFactory，這將（未）每次音譯所述輸入查詢被achived。

下面是一個如何可以實現這個功能的示例，：

1. 啓用ICU4J amalyzers（lucene的-分析器-ICU - *罐子，ICU4J - *罐子。）：

   這些庫可在contrib/analysis-extras從官方網站（他們也可通過maven獲得）分發。

   solrconfig.xml中添加像這些東西，讓他們（可以有一個lib目錄與您需要的所有jar文件，在這個例子中，它只是使用相對默認位置從官方發行example/solr/collection1/conf文件夾）：

   <lib dir="../../../contrib/analysis-extras/lib" regex=".*\.jar" /> 
   <lib dir="../../../contrib/analysis-extras/lucene-libs" regex=".*\.jar" /> 
   

2. 拆分spell_text現場分析儀分爲兩個單獨的列表進行索引和查詢。

3. Add solr。ICUTransformFilterFactory如查詢分析器具有以下ID Any-Cyrillic; NFD; [^\p{Alnum}] Remove：

   <fieldType name="spell_text" class="solr.TextField" positionIncrementGap="100"> 
       <analyzer type="index"> 
       <charFilter class="solr.HTMLStripCharFilterFactory"/> 
       <charFilter class="solr.PatternReplaceCharFilterFactory" pattern="[,.;:]" replacement=" "/> 
       <tokenizer class="solr.WhitespaceTokenizerFactory"/> 
       <filter class="solr.LowerCaseFilterFactory"/> 
       <filter class="solr.PatternReplaceFilterFactory" pattern="'s" replacement=""/> 
       <filter class="solr.ShingleFilterFactory" maxShingleSize="2" outputUnigrams="true"/> 
       <filter class="solr.LengthFilterFactory" min="3" max="256" /> 
       </analyzer> 
       <analyzer type="query"> 
       <charFilter class="solr.HTMLStripCharFilterFactory"/> 
       <charFilter class="solr.PatternReplaceCharFilterFactory" pattern="[,.;:]" replacement=" "/> 
       <tokenizer class="solr.WhitespaceTokenizerFactory"/> 
       <filter class="solr.LowerCaseFilterFactory"/> 
       <filter class="solr.PatternReplaceFilterFactory" pattern="'s" replacement=""/> 
       <filter class="solr.ShingleFilterFactory" maxShingleSize="2" outputUnigrams="true"/> 
       <filter class="solr.LengthFilterFactory" min="3" max="256" /> 
   
       <filter class="solr.ICUTransformFilterFactory" id="Any-Cyrillic; NFD; [^\p{Alnum}] Remove" /> 
       </analyzer> 
   </fieldType> 
   

---

關於ICUTransformFilterFactory ID - Any-Cyrillic; NFD; [^\p{Alnum}] Remove：

• 相關stackoverflow question
• Official guide

上述配置工作我的本地機器上以同樣的方式對俄語音譯和俄語單詞