Question

我有一个缓存的名称列表，我存储到Lucene数据结构中。我希望得到名字以特定字母开头的人。

例如：我的清单如下。我将它们存储到name字段中。

foo bar
blabla foo
foo2 bar
test data

当我使用name:f*进行搜索时，会返回foo bar，foo2 bar和blabla foo。它会检查字段中的每个单词并获得blabla foo。但是我需要以f开头，其首字母是f，而不是记录包含以f开头的单词，即使它们位于句子的末尾。

有什么想法吗？

Answer 1

通配符搜索

Lucene支持单个术语内的单个和多个字符通配符搜索（不在短语查询中）。

要执行单字符通配符搜索，请使用“？”符号

要执行多字符通配符搜索，请使用“*”符号。

单字符通配符搜索会查找与替换的单个字符匹配的字词。例如，要搜索“文本”或“测试”，您可以使用搜索：

TE？吨多字符通配符搜索查找0个或更多字符。例如，要搜索测试，测试或测试人员，您可以使用搜索：

试验*

示例，使用正则表达式

RegexQuery query = new RegexQuery(newTerm("^a.*$"));


query.setRegexImplementation(new JavaUtilRegexCapabilities());

return searcher.search(query, null, 1000).totalHits;

http://lucene.apache.org/core/4_3_1/queryparser/org/apache/lucene/queryparser/classic/package-summary.html#package_description

示例代码：

        BasicConfigurator.configure();

        Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_CURRENT);

        // Store the index in memory:
        Directory directory = new RAMDirectory();
        // To store an index on disk, use this instead:
        // Directory directory = FSDirectory.open(new
        // File("./lucene/data"));
        IndexWriterConfig config = new IndexWriterConfig(
                Version.LUCENE_CURRENT, analyzer);
        IndexWriter iwriter;

        iwriter = new IndexWriter(directory, config);

        String[] words = { "Olimpia", "Cerro", "Olimpo", "Libertad",
                "Nacional", "Sol", "O'higgins", "Sao Paulo",
                "Oriente Petrolero", "Barrio Obrero", "B. Obrero" };

        for (String word : words) {
            Document doc = new Document();
            String text = word;
            doc.add(new Field("name", text, Field.Store.YES,
                    Field.Index.NOT_ANALYZED));

            // ,Field.Store.NO, Field.Index.NOT_ANALYZED
            iwriter.addDocument(doc);
        }

        iwriter.close();

        // Now search the index:

        logger.info("HelloLucene.main: query2 -----------");

        DirectoryReader ireader2 = DirectoryReader.open(directory);
        IndexSearcher isearcher2 = new IndexSearcher(ireader2);

        logger.info("HelloLucene.main: query2 -----------");
        RegexQuery query2 = new RegexQuery(new Term("name", "O.*"));
        query2.setRegexImplementation(new JavaUtilRegexCapabilities(
                JavaUtilRegexCapabilities.FLAG_CASE_INSENSITIVE));

        ScoreDoc[] hits2 = isearcher2.search(query2, null, 1000).scoreDocs;
        for (int i = 0; i < hits2.length; i++) {
            Document hitDoc = isearcher2.doc(hits2[i].doc);
            logger.info("HelloLucene.main: starting with O = "
                    + hitDoc.get("name"));

        }

Answer 2

建议在没有标记化的情况下使用该字段此外，不使用通配符搜索，而是使用会生成令牌的EdgeNGramTokenFilter，并且比通配符搜索要快得多，因为它会在索引时发生。

Answer 3

默认情况下，Lucene就是这样做的。如果将字段标记为术语，则搜索字段中任何位置的术语。对于大型文本文档，这是绝对有意义的，因为您可能永远不会只想从大量文本的开头进行搜索。

如果您希望能够搜索文字字符串而不是标记化的术语集，那么最佳解决方案是以支持该字符串的方式对其进行索引。 Solr.StrField是典型的类型选择，而不是TextField。

如何从Lucene的特定字母开始获取记录

3 个答案: