在检查搜索中忽略特殊字符（titles）

Question

使用 Umbraco v6，检查搜索（不是完整的 Lucene 查询）。这是一个Latin/South美国网站。我问过我的同事，他们如何为 search/URL 输入小标题（字母上的重音标记），他们都说他们没有，他们只是使用“regular” " 字符 (A-Z, a-z).

我知道如何在传递给 Examine 时去除字符串的特殊字符 OUT，但我需要相反的方法，如 Examine 从属性中删除特殊字符以匹配到查询。我有许多名称中带有标题的“节点”（这是我正在搜索的属性之一）。

我研究过的帖子：

http://shazwazza.com/categories/Examine?p=2
Ignore special characters in Examine
https://groups.google.com/forum/#!topic/umbraco-dev/W6cWyPOc43Y

我已经尝试编写 luence 查询（或者我认为如此），但我没有获得任何成功。

// q is my query from QueryString
var searcher = ExamineManager.Instance.SearchProviderCollection["CustomSearchSearcher"];

//var query = searcher.CreateSearchCriteria().Field("nodeName", q).Or().Field("description", q).Compile();
//var searchResults = searcher.Search(query).OrderByDescending(x => x.Score).TakeWhile(x => x.Score > 0.05f);

var searchResults = searcher.Search(Global.RemoveSpecialCharacters(q), true).OrderByDescending(x => x.Score).TakeWhile(x => x.Score > 0.05f);

全球Class

    public static string RemoveSpecialCharacters(string str)
    {
        StringBuilder sb = new StringBuilder();
        for (int i = 0; i < str.Length; i++)
        {
            if ((str[i] >= '0' && str[i] <= '9')
                    || (str[i] >= 'A' && str[i] <= 'z' || (str[i] == '.' || str[i] == '_'))
                || str[i] == 'á' || str[i] == 'é' || str[i] == 'í' || str[i] == 'ñ' || str[i] == 'ó' || str[i] == 'ú')
            {
                sb.Append(str[i]);
            }
        }

        return sb.ToString();
    }

如上所述，我需要从 Lucene 中删除特殊字符（标题），而不是传入的查询。

发件人：https://our.umbraco.org/documentation/reference/searching/examine/overview-explanation

我也读过“Analyzers”，但我以前从未与他们合作过，也不知道 get/install/add 到 VS 等哪个。这是更好的方法吗这个??

Answer 1

自定义分析器就是答案。

umbraco 论坛在这里回答了这个问题：https://our.umbraco.org/forum/developers/extending-umbraco/16396-Examine-and-accents-for-portuguese-language

制作一个去除所有特殊字符的分析器：

  public class CIAIAnalyser : Analyzer
{
    public override TokenStream TokenStream(string fieldName, System.IO.TextReader reader)
    {
        StandardTokenizer tokenizer = new StandardTokenizer(Lucene.Net.Util.Version.LUCENE_29, reader);

        tokenizer.SetMaxTokenLength(255);
        TokenStream stream = new StandardFilter(tokenizer);
        stream = new LowerCaseFilter(stream);
        return new ASCIIFoldingFilter(stream);

    }

}

然后你对搜索输入做同样的事情。

   public class CleanAccent
{
    public static string RemoveDiacritics(string input)
    {
        // Indicates that a Unicode string is normalized using full canonical decomposition.

        if (String.IsNullOrEmpty(input)) return input;

        string inputInFormD = input.Normalize(NormalizationForm.FormD);
        var sb = new StringBuilder();

        for (int idx = 0; idx < inputInFormD.Length; idx++)
        {
            UnicodeCategory uc = CharUnicodeInfo.GetUnicodeCategory(inputInFormD[idx]);
            if (uc != UnicodeCategory.NonSpacingMark)
            {
                sb.Append(inputInFormD[idx]);
            }
        }

        return (sb.ToString().Normalize(NormalizationForm.FormC));
    }

}

然后参考 ExamineSettings.config 中的分析器。

在检查搜索中忽略特殊字符（titles）

Ignore Special Characters (tittles) in Examine search

c#

lucene

umbraco

examine