如何用“like”运算符查询lucene？

Question

通配符*只能在单词的末尾使用，例如user*。

我想查询类似%user%，如何做到这一点？

Answer 1

LIKE查询的问题在于执行时间expensive。您可以设置QueryParser以允许使用以下前导通配符：

QueryParser.setAllowLeadingWildcard(true)

这将允许您进行以下搜索：

*user*

但这需要很长时间才能执行。有时当人们说他们想要LIKE查询时，他们真正想要的是fuzzy query。这将允许您进行以下搜索：

user~

哪个符合users和fuser这两个词。您可以使用介于0和1之间的浮点值指定查询中的字词与要匹配的字词之间的编辑距离。例如，user~0.8将匹配多于user~0.5的字词。

我建议你也看看regex query，它支持Lucene搜索的正则表达式语法。它可能更接近你真正需要的东西。也许是这样的事情：

.*user.*

Answer 2

Lucene提供允许进行* user等领先通配符搜索的ReverseStringFilter。它的工作原理是按相反顺序索引所有术语。

但我认为没有办法做类似'LIKE％user％'的事情。

Answer 3

自Lucene 2.1起，您可以使用

QueryParser.setAllowLeadingWildcard(true);

但这可能会影响性能。 LuceneFAQ还有更多信息。

Answer 4

当你考虑它时，lucene对通配符的支持（通常）仅限于字模式末尾的通配符并不奇怪。

关键字搜索引擎的工作原理是创建语料库中所有单词的反向索引，该索引按字顺序排序。当您执行常规非通配符搜索时，引擎会使用以下事实：索引条目已排序，以便在O(logN)步骤中找到您的单词的条目，其中N是单词的数量或条目。对于带有后缀通配符的单词模式，同样的事情恰好找到第一个匹配的单词，并通过扫描条目找到其他匹配，直到模式的固定部分不再匹配。

但是，对于带有通配符前缀和通配符后缀的单词模式，引擎必须查看索引中的所有条目。这将是O(N) ...除非引擎构建了一整堆二级索引来匹配单词的字面子串。 （这会使索引变得更加昂贵）。对于更复杂的模式（例如正则表达式），搜索引擎的问题会更严重。