我使用导入处理程序从MySQL表导入数据。我有一个text
类型的msg
列。使用Regex,我必须将子字符串保存在复制字段中。
msg: 94eb2c0cb17ef354bb052c57f40crnContent-Type: text/plain; charset=UTF-8rnContent-Transfer-Encoding pnr:986|0978325
预期的solr结果:
{
"msg_body": "94eb2c0cb17ef354bb052c57f40c\r\nContent-Type: text/plain; charset=UTF-8\r\nContent-Transfer-Encoding pnr:986-0978325",
"pnr_number": "pnr:986-0978325"
}
我的言论:
(pnr|(P|p)[ _.:,!"'-/$](N|n)[ _.:,!"'-/$](R|r))+[ _.:,!"'-/$]+[0-9]{3}[ _.:,!"'-/$]+[0-9]{7}
请帮助我,因为我是新手Solr
您需要为pnr_number定义自定义字段。使用复制字段将msg_body复制到pnr_number在自定义字段定义中,使用
<filter class="solr.PatternCaptureGroupFilterFactory" pattern="regex goes here" preserve_original="false"/>
由于您使用的是数据导入处理程序,因此有3个选项:
- 在DIH定义中使用Regex变压器。
- 使用RegexreplaceProcessorFactory Update请求处理器(在SolrConfig.xml)。
- 在分析器链中使用正则过滤器
使用前两个选项,正则是在实际索引字段之前提取图案。在最后一个选项中,存储的表示(如果存储该字段)将包含原始的完整字符串,但是索引(可搜索)表示将包含REGEX匹配。