如何從Lucene的特定字母開始獲取記錄

Question

我有一個緩存的名稱列表，我存儲到Lucene數據結構。 我希望得到名字以特定字母開頭的人。

例如：我的列表如下。 我將它們存儲在name字段中。

foo bar
blabla foo
foo2 bar
test data

當我用name:f*搜索name:f*它返回foo bar ， foo2 bar和blabla foo 。 它會檢查字段中的每個單詞並獲得blabla foo 。 但是我需要以f開頭的名字，它的第一個字母是f ，而不是記錄包含以f開頭的單詞，即使它們在句子的末尾。

任何想法 ？

Answer 1

通配符搜索

Lucene支持單個術語內的單個和多個字符通配符搜索（不在短語查詢中）。

要執行單個字符通配符搜索，請使用“？” 符號。

要執行多字符通配符搜索，請使用“*”符號。

單字符通配符搜索查找與替換的單個字符匹配的術語。 例如，要搜索“文本”或“測試”，您可以使用搜索：

te？t多字符通配符搜索查找0個或更多字符。 例如，要搜索測試，測試或測試人員，您可以使用搜索：

測試*

例如，使用正則表達式

RegexQuery query = new RegexQuery(newTerm("^a.*$"));


query.setRegexImplementation(new JavaUtilRegexCapabilities());

return searcher.search(query, null, 1000).totalHits;

http://lucene.apache.org/core/4_3_1/queryparser/org/apache/lucene/queryparser/classic/package-summary.html#package_description

示例代碼：

        BasicConfigurator.configure();

        Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_CURRENT);

        // Store the index in memory:
        Directory directory = new RAMDirectory();
        // To store an index on disk, use this instead:
        // Directory directory = FSDirectory.open(new
        // File("./lucene/data"));
        IndexWriterConfig config = new IndexWriterConfig(
                Version.LUCENE_CURRENT, analyzer);
        IndexWriter iwriter;

        iwriter = new IndexWriter(directory, config);

        String[] words = { "Olimpia", "Cerro", "Olimpo", "Libertad",
                "Nacional", "Sol", "O'higgins", "Sao Paulo",
                "Oriente Petrolero", "Barrio Obrero", "B. Obrero" };

        for (String word : words) {
            Document doc = new Document();
            String text = word;
            doc.add(new Field("name", text, Field.Store.YES,
                    Field.Index.NOT_ANALYZED));

            // ,Field.Store.NO, Field.Index.NOT_ANALYZED
            iwriter.addDocument(doc);
        }

        iwriter.close();

        // Now search the index:

        logger.info("HelloLucene.main: query2 -----------");

        DirectoryReader ireader2 = DirectoryReader.open(directory);
        IndexSearcher isearcher2 = new IndexSearcher(ireader2);

        logger.info("HelloLucene.main: query2 -----------");
        RegexQuery query2 = new RegexQuery(new Term("name", "O.*"));
        query2.setRegexImplementation(new JavaUtilRegexCapabilities(
                JavaUtilRegexCapabilities.FLAG_CASE_INSENSITIVE));

        ScoreDoc[] hits2 = isearcher2.search(query2, null, 1000).scoreDocs;
        for (int i = 0; i < hits2.length; i++) {
            Document hitDoc = isearcher2.doc(hits2[i].doc);
            logger.info("HelloLucene.main: starting with O = "
                    + hitDoc.get("name"));

        }

Answer 2

建議使用沒有標記化的字段。
此外，不使用通配符搜索，而是使用EdgeNGramTokenFilter來生成令牌，並且比通配符搜索要快得多，因為它會在索引時發生。

Answer 3

默認情況下，Lucene就是這樣做的。 如果將字段標記為術語，則搜索字段中任何位置的術語。 對於大型文本文檔，這是絕對有意義的，因為您可能永遠不會只想從大量文本的開頭搜索。

如果您希望能夠搜索文字字符串而不是標記化的術語集，那么最佳解決方案是以支持該字符串的方式對其進行索引。 Solr.StrField是典型的類型選擇，而不是TextField 。