Lucene:多词短语作为搜索词
我正在尝试使用Apache Lucene创建一个可搜索的电话/本地业务目录。
我有街道名称，企业名称，电话号码等字段。我遇到的问题是，当我尝试搜索街道名称中包含多个单词的街道时(例如，'the returned‘)，没有返回任何结果。但如果我只搜索一个单词，例如“新月”，我会得到所有我想要的结果。
我使用以下内容对数据进行索引：
String LocationOfDirectory = "C:\\dir\\index";
StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_34);
Directory Index = new SimpleFSDirectory(LocationOfDirectory);
IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE.34, analyzer);
IndexWriter w = new IndexWriter(index, config);
Document doc = new Document();
doc.add(new Field("Street", "the crescent", Field.Store.YES, Field.Index.Analyzed);
w.add(doc);
w.close();我的搜索是这样的：
int numberOfHits = 200;
String LocationOfDirectory = "C:\\dir\\index";
TopScoreDocCollector collector = TopScoreDocCollector.create(numberOfHits, true);
Directory directory = new SimpleFSDirectory(new File(LocationOfDirectory));
IndexSearcher searcher = new IndexSearcher(IndexReader.open(directory);
WildcardQuery q = new WildcardQuery(new Term("Street", "the crescent");
searcher.search(q, collector);
ScoreDoc[] hits = collector.topDocs().scoreDocs;我尝试将通配符查询替换为短语查询，首先使用整个字符串，然后在空格中拆分字符串，并将它们包装在一个BooleanQuery中，如下所示：
String term = "the crescent";
BooleanQuery b = new BooleanQuery();
PhraseQuery p = new PhraseQuery();
String[] tokens = term.split(" ");
for(int i = 0 ; i < tokens.length ; ++i)
{
p.add(new Term("Street", tokens[i]));
}
b.add(p, BooleanClause.Occur.MUST);然而，这并不起作用。我尝试使用KeywordAnalyzer而不是StandardAnalyzer，但随后所有其他类型的搜索也停止工作。我尝试用其他字符(+和@)替换空格，并将查询转换为这种形式，但仍然不起作用。我认为它不起作用，因为+和@是没有索引的特殊字符，但是我似乎在任何地方都找不到像这样的字符的列表。
我开始有点发疯了，有人知道我做错了什么吗？
回答 4
Stack Overflow用户
发布于 2012-02-01 01:34:50
我发现我尝试在不使用QueryParser的情况下生成查询是行不通的，因此我不再尝试创建我自己的查询，而是使用QueryParser。我在网上看到的所有建议都表明，您应该在QueryParser中使用与索引过程中使用的相同的分析器，因此我使用StandardAnalyzer来构建QueryParser。
这在本例中是有效的，因为在索引过程中，StandardAnalyzer从街道的“新月”中删除了单词" the“，因此我们无法搜索它，因为它不在索引中。
但是，如果我们选择搜索"Grove Road"，就会遇到开箱即用功能的问题，即查询将返回包含"Grove“或"Road”的所有结果。这很容易解决，只需设置QueryParser，使其默认操作为AND而不是OR。
最后，正确的解决方案如下：
int numberOfHits = 200;
String LocationOfDirectory = "C:\\dir\\index";
TopScoreDocCollector collector = TopScoreDocCollector.create(numberOfHits, true);
Directory directory = new SimpleFSDirectory(new File(LocationOfDirectory));
IndexSearcher searcher = new IndexSearcher(IndexReader.open(directory);
StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);
//WildcardQuery q = new WildcardQuery(new Term("Street", "the crescent");
QueryParser qp = new QueryParser(Version.LUCENE_35, "Street", analyzer);
qp.setDefaultOperator(QueryParser.Operator.AND);
Query q = qp.parse("grove road");
searcher.search(q, collector);
ScoreDoc[] hits = collector.topDocs().scoreDocs;Stack Overflow用户
发布于 2012-01-31 06:31:33
没有取回文档的原因是在索引时使用的是StandardAnalyzer，它将标记转换为小写并删除停用的单词。因此，对于您的示例，唯一被索引的术语是“新月”。但是，通配符查询不会被分析，因此' the‘被作为查询的强制部分包括在内。在您的场景中，短语查询也是如此。
KeywordAnalyzer可能不太适合您的用例，因为它将整个字段内容作为单个令牌。您可以对街道字段使用SimpleAnalyzer --它将对所有非字母字符进行输入拆分，然后将它们转换为小写。您还可以考虑在LowerCaseFilter中使用WhitespaceAnalyzer。您需要尝试不同的选项，并找出最适合您的数据和用户的选项。
此外，如果更改该字段的分析器会中断其他搜索，则可以对每个字段使用不同的分析器(例如，使用PerFieldAnalyzerWrapper)。
Stack Overflow用户
发布于 2012-01-31 12:28:31
如果你想要一个与街道完全匹配的单词，你可以设置字段“街道”NOT_ANALYZED，它不会过滤停用的单词" the“。
doc.add(new Field("Street", "the crescent", Field.Store.YES, Field.Index.Not_Analyzed);https://stackoverflow.com/questions/9066347
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号