此正则表达式不仅适用于Solr

Question

This Regex在普通的C＃控制台应用程序中运行良好。基于此，我们已开始使用SolrNet。尝试使用相同的正则表达式查询字段的Solr实例，抛出异常，如下所示

java.lang.IllegalArgumentException: expected ']' at position 70 at org.apache.lucene.util.automaton.RegExp.parseCharClassExp(RegExp.java:1087)

Answer 1

您正在使用与.NET正则表达式引擎不同的Lucene正则表达式引擎。

连字符是一个范围运算符，当它在Lucene模式中的字符类的末尾时未被转义。因此，要么逃避连字符，要么移到字符类开头，即[a-zA-Z'-] =＆gt; [-a-zA-Z']和[^a-zA-Z'-] =＆gt; [^-a-zA-Z']。

看起来Lucene正则表达式不支持非捕获组，因此从模式中删除所有?:。

所以，它看起来像

([-a-zA-Z']+[^-a-zA-Z']+){0,5}the([^-a-zA-Z']+[-a-zA-Z']+){0,5}([-a-zA-Z']+[^-a-zA-Z']+){0,5}the([^-a-zA-Z']+[-a-zA-Z']+){0,5}

Answer 2

根据您的评论，您的用例似乎最适合使用短语查询，您是否尝试过？

像＆＃34;网站stackoverflow.com这样的查询是＆＃34; ~5可以工作，并且性能更高。如果订单很重要，您可以使用两个查询（＆＃34;网站stackoverflow＆＃34; ~5 AND＆＃34; stackoverflow.com是＆＃34; ~5）并使用自定义记分器删除那些不合适的。它会更高效。