如何使用 Lucene 索引和搜索多个术语和短语

Question

我正在使用 Lucene.NET 来索引一组文档的内容。我的索引包含几个字段，但我主要关心查询“内容”字段。我试图找出索引以及创建查询的最佳方式来满足要求。

以下是当前要求：

• 能够搜索多个关键字，例如“飞机火车汽车”（减去引号）。这应该给我包含任何条款的所有文档，但包含所有三个的文档应该在顶部
• 能够搜索短语，例如“飞机、火车和汽车”（带引号），只有当它们按该顺序在一起时才会匹配。
• 至于停用词，我可以完全忽略它们，或者包括它们。
• 至于标点符号或特殊字符，同样处理。我可以完全忽略它们，也可以包含它们。
• 最后两个只需要保持一致，不一定彼此一致，而是索引器和搜索器如何处理它们。所以我只是不想出现用户搜索“飞机和火车”但它与包含该短语的文档不匹配的情况，因为索引器取出了“和”但搜索器正在尝试搜索那个特定的短语。

有些文档很大，所以我想我们不想做Field.Store。是的，对吧？除非我们必须做我们需要做的事。

Answer 1

使用 lucene 的标准分析器和查询解析器应该可以很好地处理您列出的要求。确保在 IndexWriter 和 QueryParser 中使用相同的分析器。停用词被消除。标点符号通常会被忽略，尽管规则比忽略每个标点符号要复杂一些（如果您对细节感兴趣，请参阅UAX #29, section 4）

如果您尝试运行Lucene demo，您应该会发现它的工作原理与您在此处指定的一样。

就存储字段而言，您说得对，是的。如果您需要从索引中检索该字段，请存储该字段。不需要存储不需要检索的大字段。