在Lucene索引中存储带撇号的单词

Question

我在Lucene Index有一个公司领域。 其中一个索引的公司名称是：穆迪的

当用户键入以下任意关键字时，我希望该公司出现在搜索结果中。 1.Moo 2.Mood 3.Moodys 4.Moody的

我应该如何在Lucene中存储此索引以及我应该使用什么类型的Lucene Query来获取此行为？

感谢。

Answer 1

根据您的澄清，我想将您的问题分成两部分，然后依次回答：

1. 如何将带撇号的单词编码为与没有撇号的单词相同？例如将 Moodys 和 Moody的映射到相同的索引词。
2. 如何在Lucene中实现自动完成搜索 - 即给定索引，使用单词前缀查找文档，例如将 Moo 映射到 Moodys ？

1相对简单 - 使用StandardToeknizer创建一个将撇号和s与前一个单词组合在一起的标记，然后使用StandardFilter来删除撇号和s。这将把穆迪转变为穆迪。 StandardAnalyzer执行此操作以及更多（小写和停止删除单词），这可能比您需要的更多。使用词干分析器应该同时使用 Moodys 和 Moody 。请尝试SnowBallFilter。

2更难：Alan提到的Lucene PrefixQuery只有在公司名称是字段中的第一个单词时才会起作用。你需要类似this question about auto-complete in Lucene的答案。

Answer 2

StandardAnalyser应该适用于3和4，但不适用于1和2。

如果不编写自己的（复杂的）文本分析器，我会考虑您希望如何搜索公司名称。例如，基本的lucene搜索语法意味着如果使用通配符搜索，您可以找到“Moody's”：“Moo *”和“Mood *”。因此，您可能需要考虑在提交到lucene之前在搜索词中附加“*”，但是如果用户不知道这个通配符的添加，这可能会引起一些混淆。