如何编写一个返回所有包含字母“t”的单词的 Lucene 查询？答案

【问题标题】：How to write a Lucene query that returns all words containing the letter "t"?如何编写一个返回所有包含字母“t”的单词的 Lucene 查询？
【发布时间】：2011-01-11 16:59:09
【问题描述】：

我尝试了这个 Lucene 代码示例，它有效：
http://snippets.dzone.com/posts/show/8965

然而变化：
查询查询 = parser.parse("st.");
到
查询查询 = parser.parse("t");

返回零命中。

如何编写一个返回所有包含字母“t”的单词的 Lucene 查询？
（返回的最大点击数 = 20）

编辑：这是有效的：

RegexQuery regexquery = new RegexQuery(new Term("fieldname", ".t."));
isearcher.search(regexquery, 收集器);
System.out.println("collector.getTotalHits()=" + collector.getTotalHits());

【问题讨论】：

标签： lucene

【解决方案1】：

您需要一个不同的Analyzer。该示例使用StandardAnalyzer，它根据空格和其他一些更复杂的规则删除标点符号和分词。但是，它不会将单词分解为字符。您可能需要构建自己的自定义分析器来执行此操作，而且它似乎在运行时间和内存消耗方面都是昂贵的。另一个（可能更好）的选择是使用RegexQuery。

【讨论】：

这行得通：<pre> RegexQuery regexquery = new RegexQuery(new Term("fieldname", ".*t.*")); isearcher.search（正则表达式查询，收集器）； System.out.println("collector.getTotalHits()=" + collector.getTotalHits()); </pre>
哇，我从未听说过RegexQuery。它是什么时候添加到库中的？我承认，我已经有几年没有使用 Lucene 了。
我也是通过阅读同事的代码偶然听说的。通过查看 RegexQuery（开源的乐趣之一）的颠覆日志，它至少从 2005 年 12 月 28 日起就在 Lucene 中。但是，这是 contrib 的一部分，而不是（还不是？）Lucene 的核心查询之一。
@hjo1620：我看到你试图在你的评论中格式化一些代码。您所要做的就是用反引号括住您的代码（它就在键盘上“1”键的左侧）。

【解决方案2】：

我有好消息和坏消息。好消息是您可以使用wildcards 来匹配任何文本：

parser.parse("st*"); // Will math "st.", "station", "steal", etc...

不幸的是，文档表明：

注意：您不能使用 * 或 ?象征作为搜索的第一个字符。

意思是，你不能使用这个语法：

parser.parse("*t*");

因此，您不能要求 Lucene 在任意位置返回包含字母“t”的术语。您可以要求 Lucene 返回以某个字母开始的术语。

此时你唯一的选择似乎是遍历所有术语，做你自己的匹配。

【讨论】：

其实可以使用前导通配符，所以查询“t”是可以的。您只需要启用它们。来自 Lucene 常见问题解答 (wiki.apache.org/lucene-java/LuceneFAQ)：“QueryParser 默认不支持前导通配符（例如 *ook）。从 Lucene 2.1 开始，可以通过调用 QueryParser.setAllowLeadingWildcard( true ) 来启用它们。请注意，这可以是代价高昂的操作：它需要完整扫描索引中的标记列表以查找与模式匹配的标记。”
@Kai：整洁！哇，我真的离开 Lucene 库有一段时间了！