solr4.3之拼写检查SpellChecker功能

拼写检查功能，能在搜索时，提供一个较好用户体验，所以，主流的搜索引擎都有这个功能。在这之前，笔者先简单的说一下什么是拼写检查，其实很好理解，就是你输入的搜索词，可能是你输错了，也有可能在它的检索库里面根本不存在这个词，但是这时候它能给你返回，相似或相近的结果来帮助你校正。

举个例子，假如你在百度里面输入在在线电瓶，可能它的索引库里面就没有，但是它有可能返回在线电影，在线电视，在线观看等等一些词，这些，就用到拼写检查的功能了。

solr作为一种开源的搜索服务器，对拼写检查，也提供了良好的支持，那么下面笔者就来讲下关于solr4.3的拼写检查的配置，在这之前先说明一点，作为拼写检查用，为了提高校正的准确率，一般对校正的词，不要进行分词，所以用string就好了,拼写检查的配置主要是在solrconfig.xml里面配置.



1,拼写组件SpellCheckComponent配置
2,在SearchHandler   /select里面配置
3,在SearchHandler   /spell里面配置

按照上面3来，就可以快速配置好拼写检查功能了，其实笔者上面写的4步，其实只配置2,3步就可以了，另外的第4步用默认值就可以了，在这里把它写出来，只是让大家有个认识


拼写组件SpellCheckComponent它其实是核心的东西，在他的里面可以配置1至多个拼写检查器，启动的时候所有的检查器都会加载，这次笔者主要介绍的有2个拼写检查器，一个是默认的只对主索引做拼写校正，另外一个是自定义加载spellings.txt拼写检查库，带拼写校正索引库的检查器，其他的检查器各位道友想要使用的话就自己去看wiki了。

 <searchComponent name="spellcheck" class="solr.SpellCheckComponent">
      
	<!-- 查询分析器，如果不指定的话，默认会使用field字段类型的分词器 -->
    <str name="queryAnalyzerFieldType">string</str>
    <!-- 默认的校正器，只对主索引库管用 -->
	<lst name="spellchecker">
      <str name="name">default</str>
      <str name="field">my_word</str>
      <str name="classname">solr.DirectSolrSpellChecker</str> 
      <str name="distanceMeasure">internal</str>
      <float name="accuracy">0.7</float>
      <int name="maxEdits">1</int>
      <int name="minPrefix">1</int>
      <int name="maxInspections">5</int>
      <int name="minQueryLength">4</int>
      <float name="maxQueryFrequency">0.01</float>
    </lst>
	 
	 <!--  读取拼写检查库的索引进行校正可以，使用默认配置，取消注释即可 -->
	<lst name="spellchecker">
         <str name="classname">solr.FileBasedSpellChecker</str>
         <str name="name">file</str>
         <str name="sourceLocation">spellings.txt</str>
         <str name="characterEncoding">UTF-8</str>
         <str name="spellcheckIndexDir">spellcheckerFile</str>
       </lst>
  </searchComponent>

对于上面的代码，虽然可以加载多个校正器，但是在拼写检查时，只能指定特定的一个进行校正，那么为什么要配置多个校正检查器呢？ 笔者个人感觉这个主要是方便在程序运行可以动态切换校正器。

在spellings.txt里面自定义的拼写检查词，注意编码的格式一定是要UTF-8无BOM的格式，这里面的词，会在solr服务启动时，自动创建spellcheckerFile文件夹并把内容加载到

F:\eclipse10tomcat\webapps\solr\solr_home\collections\collection1\data\spellcheckerFile

索引起来。

SearchHandler   /select这个检索请求里面的配置很重要，拼写检查是否启用就是在这里面配置，

 <requestHandler name="/select" class="solr.SearchHandler">
    <!-- default values for query parameters can be specified, these
         will be overridden by parameters in the request
      -->
     <lst name="defaults">
       <str name="echoParams">explicit</str>
       <int name="rows">10</int>
       <str name="df">text</str>
     </lst>
	 <!-- 这行代码非常重要，如果没有这行，拼写检查，是不起作用的-->
	  <arr name="last-components">
         <str>spellcheck</str>
       </arr>
    </requestHandler>

SearchHandler   /spell组件使用默认配置即可

<requestHandler name="/spell" class="solr.SearchHandler" startup="lazy">
    <lst name="defaults">
      <str name="df">text</str>
      <str name="spellcheck.dictionary">direct</str>
      <str name="spellcheck">on</str>
      <str name="spellcheck.extendedResults">true</str>            
      <str name="spellcheck.collate">true</str>
      <str name="spellcheck.collateExtendedResults">true</str>       
    </lst>
    <arr name="last-components">
      <str>spellcheck</str>
    </arr>
  </requestHandler>

至此，拼写检查功能已经配置完毕，可以用solr的UI页面进行主索引测试，也可以用spellCheckFile里面的副索引，测试，但是，一次只能使用一种校正方法
下面给出solrj代码

	public  List<String>   spellcheck(String word){
		List<String>  wordList=new ArrayList<String>();
		SolrQuery query = new SolrQuery();
		//query.set("q","name:ac");
		//query.set("qt", "/spell");
	 //默认是主索引
		query.set("q", "my_word:"+word+"");  
		query.set("qt", "/select");
		//query.set("spellcheck.build", "true");//遇到新的检查词，会自动添加到索引里面
		//query.set("spellcheck.dictionary", "file");//使用副索引，checkSpellFile里面的进行使用
		query.set("spellcheck", "true");
		query.set("spellcheck.count", Integer.MAX_VALUE);
		  //  params.set("spellcheck.build", "true");
		 
		try {
		QueryResponse	rsp = server.query(query);
	    System.out.println("直接命中:"+rsp.getResults().size());             
		SolrDocumentList ss=rsp.getResults();
		for(SolrDocument doc:ss){
			System.out.println(doc.get("my_word"));
		}
		//…上面取结果的代码
	    SpellCheckResponse re=rsp.getSpellCheckResponse();
		
		if (re != null) {
		    for(Suggestion s:re.getSuggestions()){
		     List<String> list=s.getAlternatives();
		     for(String spellWord:list){
		    	 System.out.println(spellWord);
		    	// wordList.add(spellWord);
		     }
		    }
//		  for(Collation s: spellCheckResponse.getCollatedResults()){
//			  System.out.println(s.toString());
//		  }
		}

		  return wordList;
		} catch (SolrServerException e) {
			// TODO Auto-generated catch block
			e.printStackTrace();
		}
		
		return null;
	}

最后，笔者关于拼写检查还有一个问题没有搞清楚，就是使用spellings.txt里面的自定义词，检索时只能检索出长度大于2的词，希望各位看到此篇文章的读者也测试一下，找一下解决方法。

评论

6 楼 hpze2000 2014-07-16  

hpze2000 写道

hpze2000 写道

按你这样配置了， 不行啊。
提示 unknown handler: /select

我搞错了， 可以了。 不过好像没有数据

没有Suggestion 数据， 是需要重建索引么？ 重新 commit ？

5 楼 hpze2000 2014-07-16  

hpze2000 写道

按你这样配置了， 不行啊。
提示 unknown handler: /select

我搞错了， 可以了。 不过好像没有数据

4 楼 hpze2000 2014-07-16  

按你这样配置了， 不行啊。
提示 unknown handler: /select

3 楼 ainubis 2014-06-12  

qindongliang1922 写道

RLMLover 写道

嗯的确是这样 而且 末尾匹配的话最多只能比设定词少2个 不然匹配不到就是说 solr内定了最少是 词长度-2 的词才能匹配到

这个问题，我已经搞明白了，读过lucene部分源码，里面有限制。

是哪部分的源码？

2 楼 qindongliang1922 2013-11-28  

RLMLover 写道

嗯的确是这样 而且 末尾匹配的话最多只能比设定词少2个 不然匹配不到就是说 solr内定了最少是 词长度-2 的词才能匹配到

这个问题，我已经搞明白了，读过lucene部分源码，里面有限制。

1 楼 RLMLover 2013-11-28  

嗯的确是这样 而且 末尾匹配的话最多只能比设定词少2个 不然匹配不到就是说 solr内定了最少是 词长度-2 的词才能匹配到