solrj 使用 打分 高亮

        QueryResponse response = null;
        SolrDocumentList results = null;
        Map<String, Object> mapDto = new  HashMap<String, Object>();
        //打分
        SolrCondition condition = DataCache.AUTHOR_COND_TION;
        try {

            SolrQuery query = new SolrQuery();
            query.setQuery(param.getMsg());
            query.addField("*, score") // 使得solr查询得到每一条查询的分数.
            // 查询handler的类型，即查询解析器，如果要使用权重排序，
            //至少要用dismax解析器，edismax还可以使用bf，即函数
            .setParam("defType", "edismax");
            query.set("q.op", "OR"); 
            query.set("fl", "authorName,authorDes,id, authorFlag, articleNum,pv,lastPublishTime,subsNum, score, avartar"); //返回的列
            query.set("qf", "authorName^3  authorDes^2 authorFlag^1"); 
             //设置field中搜索的权重  必须要在pf中
            query.set("bf","sum(div(log(lastPublishTime),10)
            ,div(sum(subsNum,pv),3000),div(articleNum,4000))");  //设置搜索评分
            query.set("pf", "authorName  authorDes authorFlag");  //搜索字段

            query.setStart(param.getStart());    //起始位置
            query.setRows(param.getRows());      //查询多少条数据
            query.set("wt", "json");


            // 高亮设置
            query.setHighlight(true);
            query.addHighlightField("authorName");
            query.addHighlightField("authorDes");
            query.setHighlightSimplePre(param.getPre());
            query.setHighlightSimplePost(param.getPost());

//然后在这个50个字符中取关键字相关的摘要，摘要长度为100，参考后面的参数（hf.fragsize)，如果我们在参
//数中指定值为true，那么SOLR 
//  会根据关键词的在文本中的偏移量来计算摘要信息，
//前提是你的field要加上 termPositions=”true” termOffsets=”true”这两项。
            query.set("hl.boundaryScanner", "breakIterator");
            query.set("hl.bs.type", "SENTENCE");
            query.setHighlightFragsize(200);
            response = solrServer.query(query);

            results = response.getResults();
            Map<String, Map<String, List<String>>> highlighting = response.getHighlighting();
            long total = results.getNumFound();
            mapDto.put("total", total);
            // 高亮数据处理
            for (int i = 0; i < results.size(); i++) {
                SolrDocument f = results.get(i);
                if (highlighting.containsKey(f.get("id"))){
                    Map<String, List<String>> map = highlighting.get(f.get("id"));
                    if (map.containsKey("authorName")){
                        f.setField("authorName",
                        CommonUtils.getDateSubString(map.get("authorName").get(0)));
                    }   
                    if (map.containsKey("authorDes")){
                        f.setField("authorDes",
                        CommonUtils.getDateSubString(map.get("authorDes").get(0)));
                    }
                }

            }
            mapDto.put("total", total);
            mapDto.put("results", results);
        } catch (SolrServerException e) {
            // TODO Auto-generated catch block
            e.printStackTrace();
        };

查询权重，打分
qf

例如：qf=fieldOne^2.3 fieldTwo fieldThree^0.4,
qf 参数时指定solr从哪些field中搜索。像下面的话就只会在fieldOne，fieldTwo fieldThree这三个field中搜索。如果你还指定了q参数，比如q=“Hadoop”，那么solr会认为是到 fieldOne，fieldTwo， fieldThree这三个field中搜索hadoop，这三个是并集的关系。生成的query为：fieldOne：hadoop^2.3 | fieldTwo:hadoop | fieldThree:hadoop^0.4 所以你定义了dismax的话，你的查询参数q就不要写成类似q=“title:hadoop”这样了。因为这样的话最终的查询 为：fieldOne：title:hadoop^2.3 | fieldTwo:title:hadoop | fieldThree:title:hadoop^0.4 除非你的这几个field里有“title:hadoop”这样的词存在，否则是查不到结果的。
qf 的查询比例要在pf中制定存在 pf 指定查询的字段

bf 搜索评分 评分越高 排序越前

pf 搜索的字段

搜索功能中比较复杂的是文档的打分排序，solr中的打分规则继承了lucene中的相关的打分规则，这里通过solr的dismax查询解析器来支持复杂的打分
在打分的时候，会考虑以下因素，
搜索关键字匹配某些字段的打分比其他的字段要高(qf^)
对于某些字段，搜索字符串的密集度(phrase)的打分中占的比重(pf^)
其他复杂规则计算，比如销售量、价格、卖家等级等等都可以作为考虑的因素，影响打分(bf)
http://10.1.1.58:8080/solr/select?defType=dismax&qf=name^100 subject ^1 &q=sony mp3&pf=name^100 subjec ^1&q.op=OR&bf=sum(recip(ms(NOW,last_modified),3.16e-11,1,1),div(1000,price))^100
这个查询的含义是，在name和subject中搜索关键字sony mp3，name和subject在字段查询中的比重分别为100、1(qf=name^100subject ^1)；并且这两个字段phrase的打分为
qf=name^100 subject ^1，也就是name占的比重大一些；其他还参考产品的价格和商品更新时间(bf=sum(recip(ms(NOW,last_modified),3.16e-11,1,1),div(1000,price))^100)