我们必须索引书籍，每本书被分成章节，章节被分成几页（页面代表印刷版的原始页面切割）。
我们应该显示按书籍和章节（对于同一本书）和页面（对于同一章节）分组的结果。
据我所知，我们有两种选择：
-
索引页作为 SOLR 文档。通过这种方式，理论上我们可以检索章节（和书籍？ 使用分组，但：
-
我们将错过两个连续页面的匹配（页面剪切只是由于印刷需求，因此概念可以拆分......如印刷书籍）
-
我不知道是否可以在 SOLR 中将结果分组到两个不同的级别（书籍和章节）
-
-
索引章节作为 SOLR 文档。在这种情况下，我们将拥有正确的匹配项，但是例如，如何获取包含匹配项（或部分匹配项）的页面列表？（我们需要页面，因为客户端只能显示页面）
使每个页面成为Solr文档。
当我解析一本书的数字版本时，我会捕获有关哪些页码属于给定章节的信息，计算出该章节的长度，并为每个章节分配某种 ID。由于每一页都成为Solr文档，因此必须为每个页面的清单重复该信息，其中还包括整体书籍元数据，如标题，创建者，出版日期等。这些都不是在Solr本身中完成的，而是在Solr索引之前使用shell脚本作为准备。有时我将所有元数据存储在数据库中，有时存储在磁盘上的文件中。最后，我在Solr中添加/更新XML中每页生成一个清单，以便Solr易于摄取。
当我查询Solr时，我使用fq={!collapse field=<chapter-id-field> nullPolicy=expand}以便在搜索结果中，只有章节中最相关的页面返回以呈现给用户。nullPolicy=expand属性允许不是书籍章节的搜索结果正常返回，而不会折叠，这在我整理由各种来源组成的搜索索引时很重要。
从用户的角度来看，他们得到一个"章节"点击，并且该章节只会在他们的搜索结果中出现一次。在结果 UI 中，我明确表示"本章有 x 页长，在 y 页上找到了最适合您搜索的"。UI 包含一个文档查看器，因此我让用户可以选择直接跳转到文档查看器中的第 y 页（最相关），或者从章节的开头开始阅读。当然，我也可以让他们选择从头开始阅读整本书。
至于担心跨页面拆分的概念，我不担心。我发现大多数人搜索单个单词或小短语。我敢肯定，在某些情况下，一个搜索短语被拆分到两个Solr文档中，但我们在这里谈论的是书籍：大量内容，其中关键术语和短语倾向于重复。