solr学习

记录两个问题：
（1）在配置分词的场景中，如何让精确查询的排在前面，模糊查询的排在后面，这个需求算是比较常见的，但如果你是在数据库中，那么就非常容易了，where xxx=xxx 出来就是精确匹配的，但是在Lucene或者Solr中，反到有点诡异了，其实也不算问题，如果熟悉的Lucene的评分机制，理解起来则会很容易，在Lucene中90%的情况下，都是精确匹配的排在上面，但是还有10%的几率会导致，精确匹配的不会排在第一位，但是肯定是在top10里面的，虽然误差很小，但让用户和测试人员就很不理解，在这里就不解释了，精确匹配没排在top1确实有点说不过去，关于具体的原因，请查看散仙的前一篇文章，
http://qindongliang.iteye.com/blog/2218352

下面谈谈，如何解决：
其实还是采用了，最普遍的用法，索引两个字段，一个分词，一个不分词，但是他们都索引了，在查询时，同时查询这两个字段，分词的字段：模糊查，不分词的字段：精确查，这样以来既能保证，召全率，也能保证查准率，可以说是一种不错的方案。

当然如果我们能从分词器下手，直接在分词的时候，就保留一份原始的数据，作为索引，这样以来确实也可以，但是中文的分词器，都是基于词典切分的，都是以最小的单元的作为token的，而不是一整个token，所以，只能强制的把过来的token，作为一整个term存储一次，这样做其实跟加一个字段，没啥区别，所以具体场景，具体对待。

（2）关于Solr的String类型的Field一个问题，String字段，是一个不会分词的字段，但是可以索引和被搜索，但是实际情况有点诧异，如果一个词组里面包含（）()这样的小括号，搜索时候，精确匹配就会出现问题，因为索引里面这个小括号，无论是中文的括号，还是英文的，都会被转义成其他的编码，目前为止只发现这一个符号，会被改变，其他的大括号，中括号，目前还没发现，被改变，所以，在索引时候，最好把特殊字符，给过滤掉，如何在Solr里配置：
 

<!-- 配置一个支持正则过滤的分词器,过滤企业名带非法符号的名称 -->
  <fieldType name="qstring" class="solr.TextField" positionIncrementGap="100">
        <analyzer>
                <tokenizer class="solr.KeywordTokenizerFactory"/>
                       <filter class="solr.PatternReplaceFilterFactory" pattern="([[()（）]])" replacement="" replace="all"/>
               </analyzer>
         </fieldType>