TermQuery 未返回已知搜索词，但 WildcardQuery 确实

Question

希望对 Lucene 内部工作有足够洞察力的人能够为我指明正确的方向 =)

我将跳过大部分不相关的代码，直接进入正题。我有一个 Lucene 索引，我将以下字段添加到索引中（变量被它们的字面值替换）：

document.Add( new Field("Typenummer", "E5CEB501A244410EB1FFC4761F79E7B7", 
                        Field.Store.YES , Field.Index.UN_TOKENIZED));

稍后，当我搜索我的索引（使用其他类型的查询）时，我能够验证该字段确实出现在我的索引中 - 就像循环遍历 Document.GetFields() 返回的所有字段时一样

Field: Typenummer, Value: E5CEB501A244410EB1FFC4761F79E7B7

到目前为止一切顺利:-)

现在真正的问题是 - 为什么我不能使用 TermQuery 来搜索这个值并实际得到结果。

此代码产生 0 次点击：

// Returns 0 hits
bq.Add( new TermQuery( new Term( "Typenummer", 
        "E5CEB501A244410EB1FFC4761F79E7B7" ) ), BooleanClause.Occur.MUST );

但如果我将其切换为 WildcardQuery（没有通配符），我会得到预期的 1 次命中。

// returns the 1 hit I expect
bq.Add( new WildcardQuery( new Term( "Typenummer", 
        "E5CEB501A244410EB1FFC4761F79E7B7" ) ), BooleanClause.Occur.MUST );

我已经检查了字段长度，我已经检查了我使用的是同一个分析器等等，但我仍然在第 1 格，为什么会这样。

谁能指出我应该寻找的方向？

Answer 1

我终于弄清楚发生了什么。我正在扩展这个问题的标签，因为令我惊讶的是，实际上这个问题存在于 CMS 中。总而言之，问题归结为：

1. 该字段存储为 UN_TOKENIZED，这意味着 Lucene 将完全“按原样”存储它
2. 我粘贴 sn-ps 的 BooleanQuery 被发送到 PreparedQuery 包装器内的 Sitecore SearchManager
3. 我对此的预期行为是，我的查询（已经准备好）将原封不动地转到 Lucene API
4. 原来我错了。它通过一个 RewriteQuery 方法，该方法按原样复制我的整个嵌套查询集，但有一个例外 - 所有 Term 参数都通过 LowercaseStrategy() 传递
5. 当我为大写术语 (UN_TOKENIZED) 编制索引时，Sitecore 将我的 PreparedQuery 更改为小写 - 返回 0 个结果

我不会开始争论这是 Lucene Wrapper API 的“设计缺陷”还是“设计缺陷”实现——我只是要注意，在使用 PreparedQuery 重载时重写我的查询是......我......出乎意料;-)

由此而来的进一步教导；将字段存储为 TOKENIZED 也将消除此问题，因为 StandardAnalyzer 默认情况下会将所有标记小写。