如何在Solr中实现电话号码类同义词的过滤与分词？

我需要Solr支持搜索存储格式为+79876543210的电话号码，同时兼容以下多种查询格式：

+79876543210
 79876543210
 89876543210  <-- '+7'替换为地区码'8'
  9876543210  <-- 完全移除'+7'

固定电话场景同样需要兼容多种变体：

+78662123456  <-- '+78662'为特定地区码
 78662123456
 88662123456
  8662123456
      123456  <-- 完全移除地区码

之前试过单独存储号码变体用于搜索，但高亮时会返回<em>123456</em>，而实际展示给用户的是原始号码+78662123456，体验很差。想用managed synonyms但官方文档明确说：

通过REST API对托管资源所做的更改，需重载Solr集合（单服务器模式下为core）后才会应用到活动组件。

每次加数据都重载core不现实，还会有同步问题，求其他Solr原生解决方案。

核心思路是用Solr的字符/令牌过滤器，在索引和查询阶段自动将所有号码变体转换成统一的匹配规则，同时保留原始号码用于展示和高亮，全程不需要维护额外同义词或重载core。

1. 定义专用电话号码字段类型 #

在managed-schema（或旧版schema.xml）中添加针对电话号码的字段类型，通过分析器处理所有变体：

<fieldType name="phone_number" class="solr.TextField" positionIncrementGap="100">
  <!-- 索引阶段：生成所有可能的匹配令牌 -->
  <analyzer type="index">
    <!-- 第一步：移除所有非数字字符，只保留纯数字 -->
    <charFilter class="solr.PatternReplaceCharFilterFactory" 
               pattern="[^0-9]" replacement=""/>
    <!-- 把整个号码作为单个令牌 -->
    <tokenizer class="solr.KeywordTokenizerFactory"/>
    <!-- 生成令牌1：替换开头的7为8（匹配用户输入8开头的号码） -->
    <filter class="solr.PatternReplaceTokenFilterFactory" 
            pattern="^7" replacement="8" preserveOriginal="true"/>
    <!-- 生成令牌2：去掉开头的7（匹配用户输入不带国家码的号码） -->
    <filter class="solr.PatternReplaceTokenFilterFactory" 
            pattern="^7" replacement="" preserveOriginal="true"/>
    <!-- 生成令牌3：提取最后6位数字（匹配用户输入仅本地号码的场景） -->
    <filter class="solr.PatternReplaceTokenFilterFactory" 
            pattern=".*(\d{6})$" replacement="$1" preserveOriginal="false"/>
  </analyzer>
  <!-- 查询阶段：将用户输入转换成可匹配的令牌 -->
  <analyzer type="query">
    <!-- 同样先移除非数字字符 -->
    <charFilter class="solr.PatternReplaceCharFilterFactory" 
               pattern="[^0-9]" replacement=""/>
    <tokenizer class="solr.KeywordTokenizerFactory"/>
    <!-- 把输入的8开头号码转换成7开头，同时保留原始8开头令牌 -->
    <filter class="solr.PatternReplaceTokenFilterFactory" 
            pattern="^8" replacement="7" preserveOriginal="true"/>
  </analyzer>
</fieldType>

分析器逻辑说明 #

• 索引时：原始号码+79876543210会被转换成3个令牌：79876543210、89876543210、9876543210；固定电话+78662123456会生成78662123456、88662123456、8662123456、123456。
• 查询时：用户输入的任何格式都会被转换成对应令牌，比如输入123456直接匹配索引时的最后6位令牌，输入89876543210会生成89876543210和79876543210两个令牌，同时匹配索引中的对应项。

2. 配置字段 #

添加一个字段，同时存储原始号码并应用上面的分析器：

<field name="phone" type="phone_number" stored="true" indexed="true"/>

• stored="true"：保留原始号码用于展示和高亮
• indexed="true"：用上面的分析器生成索引令牌

3. 高亮配置 #

查询时只需开启高亮并指定phone字段即可：

hl=true&hl.fl=phone&hl.usePhraseHighlighter=true

因为字段存储的是原始号码，Solr会自动在原始号码上高亮匹配的部分，比如用户搜索123456，返回的高亮结果会正确指向原始号码的对应片段。

额外优化 #

如果需要区分手机号和固定电话的规则，可以定义两个不同的字段类型，分别调整过滤器的正则规则（比如手机号保留最后10位，固定电话保留最后6位）。

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