Solr重复数字宽松匹配需求：开箱即用过滤器可行吗？

首先明确：Solr开箱即用的过滤器没法直接实现你要的需求，得自定义TokenFilter。

为啥自带过滤器搞不定？ #

你要的是针对「包含3个及以上连续重复数字的token」，生成多个缩短重复部分的变体（比如7200000生成7200、72000这类），自带的过滤器里没有能精准做这件事的：

• EdgeNGram这类n-gram过滤器会生成所有长度的前缀/后缀，但没法只针对重复数字部分截断，会生成很多无关的token（比如72、720这种不符合你需求的）。
• PatternReplaceFilter只能做单一替换，没法一次性生成多个不同长度的变体token。
• WordDelimiter、NumberFilter这类工具，都是处理数字拆分、格式转换，不涉及重复字符的动态截断生成多token。

自定义过滤器的思路 #

你需要写一个自定义的TokenFilter，核心逻辑大概是：

1. 遍历每个token，识别其中是否存在连续3个及以上的重复数字（比如末尾的00000）。
2. 针对符合条件的token，生成多个变体：保留前面的非重复部分，逐步减少重复数字的数量（比如7200000→720000、72000、7200，直到重复数字少于3个为止）。
3. 把这些变体和原token一起输出，供后续索引使用。

这样就能覆盖用户漏输1-2个零的场景，保证能匹配到对应的文档。

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