Solr中如何丢弃生成的首个NGram令牌？

不需要编写自定义Java过滤器，你可以借助Solr自带的ScriptFilterFactory实现跳过第一个令牌的需求，具体步骤如下：

• 配置字段类型：在字段的索引分析器中，在NGram过滤器之后添加脚本过滤器，示例配置如下：

<fieldType name="ngram_custom" class="solr.TextField">
  <analyzer type="index">
    <tokenizer class="solr.KeywordTokenizerFactory"/> <!-- 保持输入字符串完整，适配你的整串输入场景 -->
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.NGramFilterFactory" minGramSize="3" maxGramSize="100"/> <!-- 按实际需求设置最大NGram长度 -->
    <filter class="solr.ScriptFilterFactory" language="groovy" script="skipFirstToken.groovy"/>
  </analyzer>
  <analyzer type="query">
    <!-- 查询阶段分析器可根据需求调整，示例与索引阶段保持一致 -->
    <tokenizer class="solr.KeywordTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
    <filter class="solr.NGramFilterFactory" minGramSize="3" maxGramSize="100"/>
  </analyzer>
</fieldType>

• 编写过滤脚本：在Solr的conf/scripts目录下（无则创建）新建skipFirstToken.groovy文件，内容如下：

def skipFirst = true;
while (input.incrementToken()) {
    if (skipFirst) {
        skipFirst = false;
        continue; // 跳过第一个令牌
    }
    // 保留后续所有令牌
    output.copyAttributes(input);
    output.emit();
}

• 开启脚本支持：检查solrconfig.xml中是否开启脚本功能，若未开启则添加配置：

<str name="script.enabled">true</str>

方案优势 #

• 全程使用Solr内置功能，无需编写编译自定义Java过滤器，降低维护成本。
• 精准跳过索引0的令牌，不会影响包含开头三字母的长令牌（如abcd、abcde等），满足你保留语境中开头字符的需求。
• 无需调整NGram最小尺寸，也不依赖正则匹配，避开了你提到的限制条件。

内容的提问来源于stack exchange，提问作者Christopher Schneider