Solr自定义SearchComponent子类中如何访问字段分析器并预处理查询

你当前直接用原始查询参数构造TermQuery的写法，会因为q的大小写、分词格式和索引存储的term不匹配，导致查询结果不符合预期。正确的实现完全不需要手动实例化分析器，也不需要硬编码预处理规则，直接从Solr当前加载的索引配置中获取对应字段的分析器即可，步骤如下：

• 从当前请求关联的SolrCore实例中拿到最新的索引Schema配置
• 定位到name字段对应的字段类型定义
• 取出该字段类型下查询阶段专用的分析器实例，和你在schema中配置的分词、过滤规则完全一致
• 用分析器对原始查询字符串做标准化处理，拿到和索引阶段规则统一的分词结果
• 基于处理后的分词结果构造查询对象，替代原来直接用原始参数构造的TermQuery

把原来prepare方法中直接构造查询的部分替换成对应逻辑即可，完整可参考的实现如下：

public class TempComponent extends SearchComponent {

    private static final Logger LOG = LoggerFactory.getLogger(TempComponent.class);

    @Override
    public void prepare(ResponseBuilder rb) throws IOException {
        LOG.info("Temp Component ---");
        SolrIndexSearcher indexSearcher = rb.req.getSearcher();
        SolrParams params = rb.req.getParams();
        String q = params.get(CommonParams.Q);

        // 跳过空查询的场景
        if (StringUtils.isBlank(q)) {
            return;
        }

        // 获取当前节点加载的最新索引Schema
        IndexSchema schema = rb.req.getCore().getLatestSchema();
        // 获取name字段的配置及对应FieldType
        SchemaField nameField = schema.getField("name");
        FieldType nameType = nameField.getType();
        // 取出查询阶段对应的分析器，和schema中配置的<analyzer type="query">完全对应
        Analyzer queryAnalyzer = nameType.getQueryAnalyzer();

        // 用分析器处理原始q值，收集标准化后的分词结果
        List<String> normalizedTerms = new ArrayList<>();
        try (TokenStream tokenStream = queryAnalyzer.tokenStream("name", q);
             CharTermAttribute termAttr = tokenStream.addAttribute(CharTermAttribute.class)) {
            tokenStream.reset();
            while (tokenStream.incrementToken()) {
                normalizedTerms.add(termAttr.toString());
            }
            tokenStream.end();
        }

        // 基于处理后的结果构造合法的查询
        Query targetQuery;
        if (normalizedTerms.isEmpty()) {
            // 处理后无有效分词的场景，直接匹配空结果，避免异常
            targetQuery = new MatchNoDocsQuery();
        } else if (normalizedTerms.size() == 1) {
            // 单分词场景，直接构造TermQuery和原逻辑对齐
            targetQuery = new TermQuery(new Term("name", normalizedTerms.get(0)));
        } else {
            // 多分词场景，按业务规则拼接BooleanQuery，示例为必须命中所有分词
            BooleanQuery.Builder queryBuilder = new BooleanQuery.Builder();
            for (String term : normalizedTerms) {
                queryBuilder.add(new TermQuery(new Term("name", term)), BooleanClause.Occur.MUST);
            }
            targetQuery = queryBuilder.build();
        }

        // 后续执行查询的逻辑和原代码保持一致
        DocList matchDocs = indexSearcher.getDocList(targetQuery, null, null, 0, 100000, 10000);
    }

    @Override
    public void process(ResponseBuilder rb) throws IOException {
    }

    @Override
    public String getDescription() {
        return "Custom temp search component for name field match";
    }
}

• 不要手动实例化分析器，也不要硬编码小写转换、空格切分这类预处理逻辑。所有处理逻辑直接从Schema加载的分析器获取，能保证和索引阶段、Solr内置查询的处理规则完全一致，后续调整分词配置、加过滤规则时不需要改自定义组件的代码
• 区分两个分析器的获取方法：*getQueryAnalyzer()对应查询入参的处理规则，getIndexAnalyzer()*对应索引写入时的处理规则，处理入参q时必须用前者，哪怕当前两者配置完全相同，也不要混用
• 处理TokenStream的时候一定要用try-with-resources语法自动释放资源，避免Lucene层的内存泄漏
• 原代码中的日志初始化存在小问题：原来写的LoggerFactory.getLogger(SearchComponent.class)会导致日志输出的类名是父类SearchComponent，排查问题时定位不到具体组件，改成获取当前类的日志实例即可
• 原代码的getDescription()方法返回null是不规范的，按接口要求返回组件的简单描述即可，避免系统日志打印空指针相关的告警

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