如何在Solr中查询指定词汇并忽略特定组合？

核心需求拆解 #

需要匹配包含Switzerland的文档，但排除仅包含Saxon Switzerland短语的文档，同时保留既包含该短语又有单独Switzerland的文档。

可行查询方案 #

方案1：正则表达式匹配独立的Switzerland #

利用正则的负向断言，确保文档中存在至少一个Switzerland不是紧跟在Saxon （注意空格）之后的情况。假设你的字段名为content，查询语句如下：

content:Switzerland AND content:/(^|(?<!Saxon ))Switzerland/

• 原理：(?<!Saxon )是负向后行断言，匹配前面不是Saxon 的Switzerland；^处理文档开头的Switzerland。只要文档中有符合该正则的匹配，就会被选中，不管是否包含Saxon Switzerland短语。

方案2：SpanNot跨度查询（Solr 6.6+支持） #

使用Solr的SpanNotQuery精确排除与Saxon紧邻的Switzerland匹配，只要存在不与Saxon绑定的Switzerland就返回文档：

{!spanNot include='spanNear([spanAll(content:Switzerland)],0,true)' exclude='spanNear([spanAll(content:Saxon), spanAll(content:Switzerland)],1,true)' field=content}

• 原理：include部分匹配所有Switzerland的出现，exclude部分匹配Saxon和Switzerland紧邻的情况，最终返回存在未被排除的Switzerland的文档。

方案3：布尔逻辑组合 #

通过布尔逻辑拆分两种符合条件的情况：要么有Switzerland但无Saxon Switzerland，要么同时有Saxon Switzerland和独立的Switzerland。查询语句：

(content:Switzerland -content:"Saxon Switzerland") OR (content:"Saxon Switzerland" AND content:/(?<!Saxon )Switzerland/)

• 原理：第一部分筛选仅含独立Switzerland的文档，第二部分筛选同时含短语和独立词汇的文档，两者取并集。

注意事项 #

• 正则表达式查询可能对性能有一定影响，若数据量极大，优先考虑SpanNotQuery方案。
• 确保字段的分词设置不会破坏词汇的完整性，比如Saxon Switzerland是否被分词为两个独立词，若字段使用了短语分词器需调整对应查询逻辑。

内容的提问来源于stack exchange，提问作者Gnietschow