我们必须索引书籍，每本书分为章节，章节分成多页（页面代表原稿在印刷版中切割）。SOLR架构模拟书籍，章节和页面
我们应该按照书籍和章节（对于同一本书）和页面（对于同一章节）来显示结果。
据我所知，我们有两个选择：
索引页的文件SOLR。这样，我们可以用分组但理论上检索章节（和书籍）：
我们会想念在两个连续的页面匹配（页切割仅仅是由于印刷上的需求，以便概念可以被划分为...在印刷书籍）
我不知道是否有可能在SOLR分组结果在两个不同的级别（书籍和章节）
指数章节，SOLR文件。在这种情况下，我们将有正确的匹配，但如何获得，例如，包含匹配（或其一部分）的页面列表？ （我们需要页面，因为客户端只能显示页面）
我一直都选择使每个页面成为Solr文档。
当我解析一本书的数字版本时，我捕获了哪些页码属于给定章节的信息，计算出章节的篇幅有多少，并为每章分配了某种类型的ID。由于每个页面都成为Solr文档，因此必须为每个页面的清单重复该信息，其中还包括整体书籍元数据，如标题，创建者，出版日期等。这些都不是在Solr本身完成的，而是使用shell脚本作为准备Solr索引之前。有时我将所有这些元数据存储在数据库中，有时存储在磁盘上的文件中。最后，我在Solr添加/更新XML中为每个页面生成一个清单，因此Solr很容易获取。
当我查询Solr时，我使用fq={!collapse field=<chapter-id-field> nullPolicy=expand}，这样在搜索结果中，只有一个章节中最相关的页面才会显示给用户。 nullPolicy=expand属性允许搜索结果不是书籍章节正常恢复，没有崩溃，这在我组合由多种来源组成的搜索索引时非常重要。
从用户的角度来看，他们会得到一个“章节”命中，并且该章节只会在其搜索结果中显示一次。在结果用户界面中，我明确指出：“本章为x页，搜索的最佳匹配页面为y页。” UI包含一个文档查看器，所以我给用户选择直接跳转到文档查看器中的y页面（最相关的部分），或者从开始处开始阅读章节。当然，我也可以让他们从头开始阅读整本书。
至于担心跨网页拆分的概念，我没有。我发现大多数人搜索单个单词或小短语。我确定有些情况下，搜索短语是分裂为两个Solr文档，但我们在这里讨论书籍：大量内容中关键词和短语倾向于重复。
如果您未修复solr，请锁定XTF（可扩展文本框架）及其重叠块的概念。 http://stackoverflow.com/questions/35253292/how-to-index-html-content-keeping-positions-as-xpath-css-selector-etc/35268321#35268321 –