Lucene.net 解析字段以创建 LIKE 等效搜索

Question

到目前为止，我发现 Lucene 非常棒，但我在复制 LIKE 等效搜索时遇到了一些问题。

在我正在开发的应用程序中，我需要“简化”（LIKE）搜索和高级（全文）搜索选项。数据是基于用户的（姓名、位置等），所以不是大量的文本。

在过去，我只是创建一个连接数据库字段名称的 SQL 查询，并用通配符包围这些术语。我可以在我的应用程序中这样做，绕过 lucene 进行简单的用户数据搜索 - 但使用 lucene 会很好。

我尝试过正则表达式搜索

var query = QueryParser.Escape(_query);
var search = new RegexQuery(new Term("name",string.Concat(".*", _query, ".*")));

但它们只适用于一列。

我的一个想法是标记每个字段以产生类似于全文搜索的内容，例如：

姓名：保罗

所以我创建了以下名称字段...

保罗 波城 帕 奥尔 ul 亲

这会破坏在 LIKE SQL 搜索上使用 lucene 的意义吗？它真的会产生我想要的结果吗？

解决此问题的最佳方法是什么？

编辑：

稍微修改一下本题的代码：

Elegant way to split string into 2 strings on word boundaries to minimize length difference

生成这个标记器：

    private IEnumerable<string> Tokeniser(string _item)
    {
        string s = _item;

        const int maxPrefixLength = 10;
        const int maxSuffixLength = 10;
        const int minStemLength = 1;

        var tokens = new List<string>();


        for (int prefixLength = 0; (prefixLength + minStemLength <= s.Length) && (prefixLength <= maxPrefixLength); prefixLength++)
            for (int suffixLength = 0; (suffixLength + prefixLength + minStemLength <= s.Length) && (suffixLength <= maxSuffixLength); suffixLength++)
            {
                string prefix = s.Substring(0, prefixLength);
                string suffix = s.Substring(s.Length - suffixLength);
                string stem = s.Substring(prefixLength, s.Length - suffixLength - prefixLength);

                if (prefix.Length > 1)
                    if (!tokens.Contains(prefix))
                        tokens.Add(prefix);

                if (suffix.Length > 1)
                    if (!tokens.Contains(suffix))
                        tokens.Add(suffix);

                if (stem.Length > 1)
                    if (!tokens.Contains(stem))
                        tokens.Add(stem);
            }

        return tokens;
    }

搜索结果确实相当于 LIKE 搜索。我的“用户”表的大小永远只有 9000 个实体 - 所以至少对我来说，这可能符合我的需要。

这样做有什么缺点吗（除了更大的 lucene 索引？）

Answer 1

基于字符的 n-gram（NGramTokenizer、NGramTokenFilter、EdgeNGramTokenizer 和 EdgeNGramTokenFilter 应该提供您需要的功能。