Question

我正在使用lucene进行搜索并使用标签我使用空白分析器。看起来它存储得当。使用标准分析器，我的'C＃'搜索将产生C，C ++的结果。我试过的每个分析器（我都没有尝试过）除了空白分析器之外做了这个。这很好，除非我搜索c＃i没有结果（我使用小写C而不是大写）。如果我搜索诸如“Lucene不敏感的空白分析仪”之类的标题，这很烦人。当它碰巧是“Lucene Insensitive Whitespace analyzer？”时。（注意前三个单词以upper开头，而最后一个单词与我的搜索相比，一个上面和下面都是。）

如何制作不敏感的空白分析仪？注意：WhitespaceAnalyzer是密封的。

Answer 1

尝试将LowerCaseFilter与WhitespaceTokenizer结合使用：

http://lucene.apache.org/java/3_0_0/api/core/org/apache/lucene/analysis/LowerCaseFilter.html

http://lucene.apache.org/java/3_0_0/api/core/org/apache/lucene/analysis/WhitespaceTokenizer.html

Answer 2

您可以创建如下的自定义分析器（以Lucene版本4.10.4为例）

import java.io.Reader;
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.Tokenizer;
import org.apache.lucene.analysis.core.LowerCaseFilter;
import org.apache.lucene.analysis.core.WhitespaceTokenizer;

public class CaseInsensitiveWhitespaceAnalyzer extends Analyzer {
    @Override
    protected TokenStreamComponents createComponents(String arg0, Reader arg1) {
            Tokenizer tokenizer = new WhitespaceTokenizer(arg1);
            TokenStream filter = new LowerCaseFilter(tokenizer);
            return new TokenStreamComponents(tokenizer, filter);
    }
}

您可以在编制索引时使用分析器配置索引编写器，并在搜索时使用它来创建查询解析器。

Answer 3

class CaseInsensitiveWhitespaceAnalyzer : Analyzer
{
    public override TokenStream TokenStream(string fieldName, TextReader reader)
    {
        var tokenizer = new WhitespaceTokenizer(reader);
        var lowercaseFilter = new LowerCaseFilter(tokenizer);

        return new StopFilter(true, lowercaseFilter, StopAnalyzer.ENGLISH_STOP_WORDS_SET, true);
    }
}

这是一个C＃版本，非常适合我的用例。

Lucene不敏感的空白分析仪？

3 个答案: