Solucionado
Se eu quiser quebrar pela frase exata? No google usamos aspas certo? Aqui seria qual analyzer? O keyword? No meu caso não posso usar o keyword por estou indexando código fontes que tem mais que 32766 bites. Existe outra abordagem? Por exemplo, se eu pesquisar "Eu nasci", só quero que ache o que está exatamente nessa sequencia, se tiver apenas "Eu" ou "nasci", ou se tiver as duas palavras em lugares diferentes do texto eu não quero trazer o resultado.
Oi Jeferson!
Exato, para você quebrar por "Eu nasci", basta trocar o tipo de analyzer para o Keyword Analyzer (ou analisador de palavra-chave).
Esse analyzer vai te retornar a frase completa.
Inclusive, legal que você mencionou, pois ele foi criado usando uma linguagem do pessoal da Google. :P
Veja se o exemplo abaixo ajuda a resolver o seu problema:
POST _analyze
{
"analyzer": "keyword",
"text": "Eu nasci"
}E ele vai retornar:
[ Eu nasci ]Eu não tenho certeza se dá pra fazer um GET, mas imagino que sim, então seria:
GET /_analyze?analyzer=keyword&text=Eu+nasciEspero que dê certo! Qualquer outra dúvida, só postar aqui!
Olá Cassia. O problema do keyword analyzer é a limitação do tamanho de cada termo, 32766 bites, o que torna ele inviável para arquivos grandes. Existe outra solução?
Olá Jeferson,
Ah, agora entendi porque você mencionou o código fonte. :)
Então, você tem alguns modos de resolver, caso não quisesse buscar o campo você poderia não indexa-lo, setar o "index": "no" , ou usar ignore_above para que ele não tenha problemas com valores grandes.
Pelo o que eu entendi, você quer continuar buscando o campo, certo? Então, eu diria que a melhor solução seria criar um custom analyzer para esse campo longo e usar o keyword como tokenizer.
Mas, você também pode mudar o tipo do campo para binário usando "type" : "binary".
Não sei se você já tentou essas soluções, espero que alguma delas funcione.
Infelizmente, pelo o que eu já vi e pesquisei, esse problema de tamanho do Lucene é algo comum e não tem uma solução mais direta para isso. :/