像lucene中句子的功能

Question

我试图在Lucene中复制SQL的LIKE功能。

如果我使用通配符搜索，请说＆＃34; * Tulips Inn Riyadhh *＆＃34;我面临以下行为：

1. 利雅得郁金香酒店 - 匹配
2. 利雅得郁金香酒店 - 不匹配
3. Tulips Inn Riyadh hhss - Matching
4. 郁金香 - 匹配
5. Riyadhh - 匹配

其实我需要Lucene的一个例子，条件＆＃34; 2＆＃34;应该匹配和＆＃34; 4＆＃34;不应该匹配。

我尝试了所有查询，但第二种情况不匹配。

有些人建议使用Tokenizer和自定义分析器。

由于我是Lucene的新手，我处理过查询，但不知道如何将Tokenizer和自定义分析器集成到我们的查询中。

Answer 1

如果仅需要前缀匹配，则可以使用带有LowercaseFilter和EdgeNgramFilter的KeywordTokenizer：

<analyzer>
  <tokenizer class="solr.KeywordTokenizerFactory"/>
  <filter class="solr.LowerCaseFilterFactory"/>
  <filter class="solr.EdgeNGramFilterFactory" minGramSize="4" maxGramSize="50"/>
</analyzer>

此链将传入的文本保留为单个标记（KeywordTokenizer），然后将传入的文本转换为小写（LowerCaseFilter），然后根据字符串长度将其拆分为多个标记。

如果要匹配字符串中的任何位置，可以使用普通的ngramfilter：

<filter class="solr.NGramFilterFactory" minGramSize="1" maxGramSize="4"/>

..但请注意，如果min和max之间的差异很大，则索引的大小会快速增长。

还有第二个选项，并且使用ReversedWildcardFilter，它专门针对*foo*查询条件进行了调整，因此如果您不需要进一步处理每个令牌（例如作为阻止每个单独的令牌等，可能是一个选项。