Question

我正在使用Solrj索引Solr中的文档，其中一个字段是url。在创建solr文档并随后将其传递给SolrServer时，我没有进行任何显式解码，以保持url的原始格式。但是，一旦它被索引，网址就会被解码。

这是一个包含撇号的测试示例。


http://test.com/test/Help/What%e2%80%99s_N1

在solr索引中，它被解码为


http://test.com/test/Help/What's_N1

以下是示例代码：


SolrServer solrServer = new StreamingUpdateSolrServer(solrPostUrl, solrQueueSize, solrThreads);
SolrInputDocument solrDoc = new SolrInputDocument();
solrDoc.addField("url", "http://test.com/test/Help/What%e2%80%99s_N1");
UpdateResponse solrResponse = solrServer.add(solrDoc);

我查看了SolrInputDocument对象，它确实有正确的格式，即编码版本。

如果有人可以提供指示，我将不胜感激。

由于

Answer 1

我认为这是因为你的标记器

一个很好的通用标记器，剥离了许多无关的字符并将标记类型设置为有意义的值。令牌类型是仅对后续的类型感知的令牌过滤器有用相同的令牌类型。没有任何过滤器使用 StandardTokenizer的类型。

关于standardTokenizer

查看here

您可以在solr / schema.xml中更改所有这些行为

索引时如何防止solr解码url？

1 个答案: