Solr - 字符替換

Question

我有索引數據庫的Solr。在我的數據庫中，所有數據都是拉脫維亞語。問題是，我需要能夠搜索單詞里加，就好像它是單詞里加。當然，我可以定義同義詞 - 里加=里加，但我可以定義，那個字母ī是字母i？我讀了一些關於solr.ISOLatin1AccentFilterFactory，但據我瞭解，這不是UTF-8編碼，對吧？建議？

Answer 1

使用帶有索引和查詢的PatternReplaceFilterFactory。似乎是正確的。

Answer 2

ISOLatin1AccentFilterFactory正是您在尋找的內容......只要拉丁語-1字符集中的重音EXISTS（UTF-8的低7位與拉丁-1相同）即可。您提到的ī似乎不存在於ISO-8859-1中，因此ISOLatin1AccentFilterFactory在此特定情況下不起作用。我仍然建議您除了使用PatternReplaceFilterFactory處理的任何異常外，還使用ISOLatin1AccentFilterFactory，因爲可能有一些拉脫維亞字符會幫助它（假設，我沒有拉脫維亞的經驗）

僅供參考，我確實嘗試過使用ISOLatin1AccentFilterFactory來對付我的Solr設置，並沒有幫助這種情況。

Answer 3

查看ICUTokenizerFactory，它提供Unicode字符規範化。非常有用，非常簡單。

http://lucene.apache.org/solr/api/org/apache/solr/analysis/ICUTokenizerFactory.html

http://site.icu-project.org/