如何使用 Lucene 搜索不包含术语的文档？答案

【问题标题】：How can I use Lucene to search for documents that do not contain a term?如何使用 Lucene 搜索不包含术语的文档？
【发布时间】：2011-12-22 03:05:04
【问题描述】：

我知道Lucene documentation 说

注意：NOT 运算符不能只与一个术语一起使用。例如，以下搜索将不返回任何结果：

不是“雅加达阿帕奇”

但是，我希望能够形成一个查询，该查询返回所有不包含术语的文档。我曾考虑将MatchAllDocsQuery 和TermQuery 串在一起成为BooleanQuery，但我似乎找不到合适的组合。

如果我索引以下两个文档

Doc0: content:The quick brown fox jumps over the lazy dog.
Doc1: (empty string)

当我只需要一个文档时，查询 *:* -content:fox 会返回两个文档。

this StackOverflow answer 建议的 RegexQuery content:^((?!fox).)*$ 返回一个文档，但它似乎无法正常工作，因为 content:^((?!foo).)*$ 在我期望它返回两个文档时也返回一个文档。

我知道我想做的事情对性能的影响。查询只会在几个文档上运行，所以我不太担心性能。

有没有办法编写一个 Lucene 查询来得到我想要的？

【问题讨论】：

标签： java lucene

【解决方案1】：

您可以使用匹配所有内容并排除该术语 -

IndexSearcher searcher = new IndexSearcher("path_to_index");
MatchAllDocsQuery everyDocClause = new MatchAllDocsQuery();
TermQuery termClause = new TermQuery(new Term("text", "exclude_term"));
BooleanQuery query = new BooleanQuery();
query.add(everyDocClause, BooleanClause.Occur.MUST);
query.add(termClause, BooleanClause.Occur.MUST_NOT);
Hits hits = searcher.search(query);

否则，有一个固定值的虚拟字段并使用查询

+dummy_field:dummy_value -exclude_term

【讨论】：

你的两个答案都对我有用。 MatchAllDocsQuery 是首选。起初我实现了 MatchAllDocsQuery 但它没有用，所以我问了这个问题。当我让虚拟字段工作时，我切换回 MatchAllDocsQuery 进行健全性检查，它工作正常。我不确定为什么它以前对我不起作用。我一定是其中一个步骤出错了。

【解决方案2】：

你不能在每个文档中附加一个“人工”标记，然后搜索“'添加的标记'而不是'你想要避免的'”吗？

【讨论】：