布尔运算符的 Lucene 运算符优先级

Question

布尔运算符的运算顺序是什么？ 左到右？ 右到左？ 特定运营商有更高的优先级？

例如，如果我搜索：jakarta OR apache AND website

我能得到什么？ 是“jakarta”的任何内容，还是“apache”和“website”的任何内容？ 任何带有“网站”的东西也有“jakarta”或“apache”？ 还有别的吗？

Answer 1

简短回答：

在 Lucene 中， AND运算符优先于OR运算符。 所以，你实际上是在这样做：

jakarta OR (apache AND website)

您可以通过解析查询字符串并查看它如何将AND和OR转换为“必需”和“可选”运算符来自行验证这一点。

NOT运算符优先于AND运算符，因为我们正在讨论优先级。

但是在处理 Lucene 的所谓“布尔”运算符时您需要非常小心，因为它们的行为方式与您基于它们的统称（“布尔”）所期望的不同。

（不幸的是，我从未见过任何官方文档为这些优先规则提供引用 - 但我依赖于经验观察。有关更多信息，请参见下文。如果确实存在这方面的文档，那将是很高兴看到的。）

---

更长的答案

需要理解的一个关键点是，Lucene 布尔运算符并不是真正意义上的“布尔”，基于布尔代数，您可能会在其中使用括号来帮助避免歧义（或者您需要知道编程语言可能遵循的规则）正在申请） - 以及所有评估结果为 TRUE 或 FALSE 的地方。

Lucene 布尔运算符的用途略有不同。

他们不仅仅关心 TRUE/FALSE 包含/排除，还关心如何对结果进行评分，以便更相关的结果比不太相关的结果获得更高的分数。

Lucene 查询jakarta OR apache AND website等同于：

jakarta +apache +website

这意味着文档的字段必须包含apache和website ，但也可能包含jakarta （以获得更高的相关性分数）。

您可以通过获取原始查询字符串并对其进行解析来亲自查看：

Query query = parser.parse(queryString);

...然后打印查询的结果字符串表示形式。 +运算符是“必需”运算符。 它：

要求字段中某处存在“+”符号后的项

缺少+运算符意味着默认为“可能”，如“可能包含”——这意味着该术语是可选的：它不需要存在，如果查询中有一些其他子句与文档匹配。

AND的使用强制需要AND两边的项。

---

您可能会遇到一些可能令人惊讶的情况。

考虑一下：

foo AND bar OR baz AND bat

这解析为以下内容：

+foo +bar +baz +bat

这是因为每个术语的AND运算符都转换为+运算符，从而使OR变得多余。

结果与您编写的结果相同：

foo AND bar AND baz AND bat

但与此不同：

(foo AND bar) OR (baz AND bat)

它被解析为这个，其中保留了括号：

(+foo +bar) (+baz +bat)

---

底线：

在使用AND和OR以及NOT时，使用括号明确表达您的意图。

---

关于NOT ，因为我们提到过它 - 它优先于AND 。

查询：

foo AND bar NOT baz AND bat

被解析为：

+foo +bar -baz +bat

因此，文档字段必须包含foo 、 bar和bat - 并且不得包含baz 。

---

为什么会出现这种情况？

我不知道，但我认为Lucene 最初不包括AND 、 OR和NOT - 而是使用+ （必须包括）， - （不得包括）和“无”（可能包括）。 后来添加了所谓的布尔运算符AND 、 OR 、 NOT ，作为这些原始运算符的一种“语法糖”——为那些在其他情况下更熟悉AND 、 OR和NOT的人引入。 我基于以下线程：

更好地理解 Lucene 的搜索运算符

该线程的摘要包含在这个关于NOT运算符的答案中。