Lucene StandardQueryParser错误解析日期字符串的正确配置方法

根因分析 #

你为DATE类型PointField配置PointsConfig时使用了仅支持数字解析的DecimalFormat，它遇到ISO8601格式的日期字符串（如2021-06-04T18:00:00Z）时，会在第一个非数字字符-处截断，仅提取前四位数字2021作为解析结果，这就是范围查询被错误处理为date:[2021 TO 2021]的原因。

解决方案 #

自定义一个支持ISO8601日期格式解析的Format实现，替换DATE类型对应的PointsConfig里的DecimalFormat即可。

步骤1：实现自定义日期解析类

import java.text.Format;
import java.text.ParsePosition;
import java.util.Date;
import org.apache.solr.common.util.DateUtil;

public class ISO8601ToEpochFormat extends Format {
    // 时间戳精度配置：秒级时间戳填1000，毫秒级填1
    private static final long TIMESTAMP_SCALE = 1000;

    @Override
    public Object parseObject(String source, ParsePosition pos) {
        try {
            // 复用Solr内置的日期解析能力，兼容多种ISO8601变种格式
            Date date = DateUtil.parseDate(source.trim());
            pos.setIndex(source.length());
            return date.getTime() / TIMESTAMP_SCALE;
        } catch (Exception e) {
            pos.setErrorIndex(0);
            return null;
        }
    }

    @Override
    public StringBuffer format(Object obj, StringBuffer toAppendTo, java.text.FieldPosition pos) {
        if (obj instanceof Long timestamp) {
            return toAppendTo.append(new Date(timestamp * TIMESTAMP_SCALE).toInstant().toString());
        }
        return toAppendTo.append(obj);
    }
}

步骤2：修改DATE类型的PointsConfig配置

修改extractPointsConfig方法中DATE分支的逻辑：

private PointsConfig extractPointsConfig(FieldType type) {
    switch (type.getNumberType()) {
        case DATE:
            // 日期类型使用自定义的ISO8601转时间戳解析器
            return new PointsConfig(new ISO8601ToEpochFormat(), Long.class);
        case LONG:
            return new PointsConfig(new DecimalFormat(), Long.class);
        case INTEGER:
            return new PointsConfig(new DecimalFormat(), Integer.class);
        case FLOAT:
            return new PointsConfig(new DecimalFormat(), Float.class);
        case DOUBLE:
            return new PointsConfig(new DecimalFormat(), Double.class);
    }
    return null;
}

注意事项 #

• 请根据你Solr中存储的日期时间戳精度调整TIMESTAMP_SCALE的取值，保证解析出的时间戳和存储值一致。
• 你当前配置的KeywordTokenizerFactory是正确的，能保证完整的日期字符串被传入解析器，不会被分词截断。

内容的提问来源于stack exchange，提问作者wero026