如何使用Lucene索引和搜索多个术语和短语

Question

我使用Lucene.NET来索引一组文档的内容。我的索引包含几个字段，但我主要关注的是查询“内容”字段。我正在尝试找出索引的最佳方法，以及创建查询，以满足要求。

以下是当前的要求：

• 能够搜索多个关键字，例如“飞机列车”（减去报价）。这应该给我所有包含任何条款的文件，但包含所有这三个条款的文件应该在顶部
• 能够搜索短语，例如“飞机，火车和汽车”（带引号），只有当它们按顺序组合时才会匹配。
• 至于停止词，我可以完全忽略它们，或者包括它们。
• 至于标点符号或特殊字符，同样的交易。我可以完全忽略它们，也可以包含它们。
• 最后两个只需要保持一致，不一定是彼此，而是索引器和搜索器如何处理它们。所以我只是不希望有一个用户搜索“飞机和火车”的情况，但它与包含该短语的文档不匹配，因为索引器取出了“和”，但搜索者试图搜索该特定短语。

有些文件很大，所以我想我们不想做Field.Store.Yes，对吧？除非我们必须做我们需要做的事情。

Answer 1

使用lucene的标准分析仪和queryparser可以很好地处理您列出的要求。确保在IndexWriter和QueryParser中使用相同的分析器。停止言语被消除。标点符号通常被忽略，但规则更多涉及忽略每个标点字符（如果您对细节感兴趣，请参阅UAX #29, section 4）

如果您尝试运行Lucene demo，您应该会发现它的功能正如您在此处指定的那样。

至于存放场地，你说得对，是的。如果需要从索引中检索字段，请存储该字段。您不需要存储的大字段不需要存储。