Solr cho tiếng Ả Rập

Question

Tôi đang sử dụng Solr vào các tài liệu chỉ mục trong 3 langues (arabic, tiếng Pháp và tiếng Anh), tôi đã sử dụng fieldType này:

<fieldType name="text_general" class="solr.TextField" positionIncrementGap="100"> 
    <analyzer type="index"> 
     <tokenizer class="solr.StandardTokenizerFactory"/> 
     <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true"/> 
     <filter class="solr.LowerCaseFilterFactory"/> 
    </analyzer> 
    <analyzer type="query"> 
     <tokenizer class="solr.StandardTokenizerFactory"/> 
     <filter class="solr.StopFilterFactory" ignoreCase="true" words="stopwords.txt" enablePositionIncrements="true"/> 
     <filter class="solr.SynonymFilterFactory" synonyms="synonyms.txt" ignoreCase="true" expand="true"/> 
     <filter class="solr.LowerCaseFilterFactory"/> 
    </analyzer> 
</fieldType> 

Tất cả mọi thứ là tốt, nhưng trong ngôn ngữ arabic khi tôi đặt này yêu cầu tìm kiếm một từ như حقل Solr doen't tìm từ, nhưng khi tôi đặt từ trong đối diện لقح từ trái sang phải, Solr tìm từ và kết quả trả về.

Tôi có thể có kết quả cho các từ tiếng Ả Rập không?

Answer 1

Tôi sẽ biến phân tích thông minh của Daniel ở đây thành câu trả lời cho bản ghi. Đừng bỏ phiếu cho điều này, chỉ cần đi tìm một cái gì đó của mình để bỏ phiếu cho :-)

Có hai cách để có được một hướng không phù hợp với văn bản RTL. Bạn có thể lập chỉ mục ngược lại hoặc bạn có thể truy vấn ngược lại. Một hình thức HTML đơn giản truy vấn Solr sẽ không bao giờ làm hỏng hướng. Trong sự chăm sóc này, khaled đã trích xuất văn bản từ một tệp PDF sử dụng thư viện khiến nạn nhân của xu hướng tệp PDF chứa văn bản 'hình ảnh trực quan' thay vì 'thứ tự logic'. Vì vậy, chỉ số đầy ắp tiếng Ả Rập ngược. Để khắc phục điều này, anh ta sẽ phải đưa ra một thư viện làm việc để trích xuất văn bản từ các tệp pdf.

Buộc Apache Tika sử dụng hộp thư đến Apache mới nhất có thể hữu ích, hoặc tệp PDF của anh có thể quá kỳ quặc đến nỗi ngay cả PDFBox mới nhất cũng không thể xử lý được. Trong trường hợp đó, anh ta gặp khó khăn.