如何在Solr中实现带空格与无空格字符串的匹配？

当前你的Solr配置无法实现匹配，核心原因是使用了KeywordTokenizerFactory——它会将整个字段内容作为单个token处理：

• 索引时，FAIRWEATHER STREET LANDSDOWN会被处理成fairweather street landsdown这一个完整token；
• 查询时，FAIR WEATHER LANDSDOWN会被处理成fair weather landsdown这一个完整token；
  两个token完全不同，自然无法匹配。

你之前尝试WordDelimiterFilterFactory加catenateWords=1无效，也是因为KeywordTokenizer把整个查询字符串当成单个token，合并后得到fairweatherlandsdown，和索引中的token仍不匹配。

可行解决方案 #

方案一：索引阶段拆分复合词 #

调整索引分析器，将连写的复合词（如FAIRWEATHER）拆分为单个单词，同时保留原复合词，让查询的拆分词能匹配到索引结果。

配置示例：

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
  <analyzer type="index">
    <filter class="solr.PatternReplaceFilterFactory" pattern="([,]+)" replacement=" " replace="all"/>
    <!-- 按空格拆分字符串为单个单词 -->
    <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <!-- 拆分复合词（保留原词，同时生成拆分后的单词） -->
    <filter class="solr.WordDelimiterFilterFactory" 
            generateWordParts="1" 
            preserveOriginal="1"
            splitOnCaseChange="1"/> <!-- 针对驼峰式复合词拆分，全大写词可结合字典优化 -->
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
  <analyzer type="query">
    <filter class="solr.PatternReplaceFilterFactory" pattern="([,]+)" replacement=" " replace="all"/>
    <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

如果是无大小写区分的全大写复合词（如FAIRWEATHER），推荐搭配solr.DictionaryCompoundWordTokenFilterFactory，通过自定义字典文件指定需要拆分的复合词，匹配准确率更高。

方案二：查询阶段合并空格词 #

调整查询分析器，将空格分隔的单词（如FAIR WEATHER）合并为复合词，同时保留原拆分词，让合并后的复合词能匹配索引中的连写词。

配置示例：

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100">
  <analyzer type="index">
    <filter class="solr.PatternReplaceFilterFactory" pattern="([,]+)" replacement=" " replace="all"/>
    <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
  <analyzer type="query">
    <filter class="solr.PatternReplaceFilterFactory" pattern="([,]+)" replacement=" " replace="all"/>
    <tokenizer class="solr.WhitespaceTokenizerFactory"/>
    <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt"/>
    <!-- 合并相邻词生成复合词，同时保留原拆分词 -->
    <filter class="solr.WordDelimiterFilterFactory" 
            catenateWords="1" 
            preserveOriginal="1"/>
    <filter class="solr.LowerCaseFilterFactory"/>
  </analyzer>
</fieldType>

此配置下，查询FAIR WEATHER LANDSDOWN会生成fair、weather、landsdown、fairweather等多个token，其中fairweather可匹配索引中拆分出的fairweather token。

内容的提问来源于stack exchange，提问作者user2260040