Lucene/Solr:存储某些关键字的偏移信息

我们使用Solr来存储带有关键字的文档; 每个关键字都与文档中的范围相关联.

在将它们加载到Solr之前,关键字是由一些花哨的分析和/或手工工作产生的.关键字可以在文档中重复多次.另一方面,单个文档中相同字符串的不同实例可以与不同的关键字连接.

例如,本文档

Bill studied The Bill of Rights last summer.

可以附带以下关键字(括号中的偏移量):

William Brown (0:4)
legal term (13:31)  
summer 2011 (32:43)

(显然在其他文件中,比尔可以提到比尔克林顿或比尔盖茨.同样,去年夏天将在不同的文件中提到不同的年份.我们确实拥有所有这些文件的所有信息.)

我知道文档可以有一个字段,比如KEYWORD,它将存储William Brown.然后当我搜索时,William Brown我会得到上面的文件.那部分很容易.

但我不知道如何存储与William Brown文本范围相对应的信息,0:4因此我可以突出显示第一个Bill,但不是第二个.

我以为我可以使用TermVectors,但我不确定是否/如何存储自定义偏移量.我认为这是一个相当常见的情况......

编辑:编辑,以明确比尔可以参考不同文件中的不同人/事.

EDIT2:编辑以明确文档可以包含同音异义词(具有不同含义的相同字符串).