Question

我尝试使用Lucene 4 Regexp查询来查找社会安全号码。如果使用StandardAnalyzer或EnglishAnalyzer分析字段，是否还有一些方法可以匹配222-33-4444或222 33 4444等字符串。

据我所知，这些分析器会对SSN的组件进行标记，然后无法捕获3个组件的连续匹配。理想情况下，我希望222 33 4444能够匹配"/[0-9]{3}/ /[0-9]{2}/ /[0-9]{4}/"这样的内容，但它似乎也不是因为短语查询不能与regexp一起使用（是吗？）建议？

Answer 1

如果你只是有一个标识符字段，或者其中一些，请使用StringField或其他一些未标记的字段，在这种情况下，简单的RegExpQuery很容易定义。

如果您试图将它们从必须标记化的全文字段中拉出来（我假设是这种情况），您可以使用SpanQuery API构建相应的查询：

SpanQuery span1 = new SpanMultiTermQueryWrapper(new RegexpQuery(new Term("text", "[0-9]{3}")));
SpanQuery span2 = new SpanMultiTermQueryWrapper(new RegexpQuery(new Term("text", "[0-9]{2}")));
SpanQuery span3 = new SpanMultiTermQueryWrapper(new RegexpQuery(new Term("text", "[0-9]{4}")));

Query query = new SpanNearQuery({span1, span2, span3}, 0, true);

searcher.search(query, maxResults)

Answer 2

您可以使用 INTERVAL 标志：

/<000-999>/ /<00-99>/ /<0000-9999>/

<强> > INTERVAL

Answer 3

我不知道lucene，但这个正则表达式有效：

'\d{3}[ \-]\d{2}[ \-]\d{4}'

它匹配两者：

222 33 4444 和 222-33-4444

使用Lucene 4 regexp搜索社会安全号码

3 个答案: