如何在 Lucene 中搜索模式？

Question

假设可能存在包含诸如“Facebook 以 $19 B 收购 WhatsApp”之类的短语的索引文档。我想搜索“Facebook[\s\w+]*Whatsapp”，并期望所有包含 Facebook 和 WhatsApp 的短语都由一个单词分隔（获取、购买等）。

如何在lucene中做到这一点？在 50GB 的语料库中处理数千个此类查询是否足够高效？

附言到目前为止，我已经尝试使用 RegexpQuery 进行正则表达式搜索，但无法处理多词短语。这是代码中的一行：

Term term = new Term("text", "Facebook[\\s\\w+]*Whatsapp");
Term t = new Term(userQuery);
Query query = new RegexpQuery(term);

Answer 1

您可以使用查询“Facebook Whatsapp”~1，因此所有文档将被匹配，其中单词之间的距离将小于或等于 1

更多信息 - http://wiki.apache.org/lucene-java/LuceneFAQ#Is_there_a_way_to_use_a_proximity_operator_.28like_near_or_within.29_with_Lucene.3F 和 http://searchhub.org//2009/07/18/the-spanquery/

UPD。

还要确保您的“文本”字段是 TextField，因此它是 标记化。

– 杰夫法兰西