Lucene 搜索和下划线答案

【问题标题】：Lucene search and underscoresLucene 搜索和下划线
【发布时间】：2010-03-26 00:44:24
【问题描述】：

当我使用Luke 使用标准分析器搜索我的Lucene 索引时，我可以看到我正在搜索的字段包含MY_VALUE 形式的值。但是，当我搜索 field:"MY_VALUE" 时，查询被解析为 field:"my value"

有没有一种简单的方法来转义下划线 (_) 字符以便搜索它？

编辑：

2010 年 4 月 1 日上午 11:08（太平洋标准时间）

我认为 Lucene 2.9.1 的标记器中存在一个错误，并且它可能以前就存在。加载Luke并尝试搜索“BB_HHH_FFFF5_SSSS”，当有数字时，返回以下token：

“bb hhh_ffff5_ssss”

经过一些测试，我发现这是因为数字。如果我输入

“BB_HHH_FFFF_SSSS”，我明白了

“bb hhh ffff ssss”

在这一点上，我倾向于标记器错误，除非数字的存在应该具有这种行为，但我不明白为什么。

谁能证实这一点？

【问题讨论】：

【解决方案1】：

您似乎没有使用 StandardAnalyzer 来索引该字段。在 Luke 中，您需要选择用于索引该字段的分析器，以便正确匹配 MY_VALUE。

顺便说一句，您可以使用 KeywordAnalyzer 匹配 MY_VALUE。

【讨论】：

不，我确实使用标准分析器作为索引器，这就是为什么这很奇怪。
如果您使用标准分析器进行索引，那么您的索引将包含“my”和“value”作为两个不同的标记。尝试搜索“我的价值”（包括引号），您可能会得到结果。
我会仔细检查您用于索引的分析器。如果您使用 StandardAnalyzer 进行索引，则不可能将 MY_VALUE 作为术语，因为 StandardAnalyzer 总是以下划线分隔。

【解决方案2】：

我认为您无法在此用例中使用标准分析器。

判断我认为您的要求是什么，关键字分析器应该可以轻松工作（整个字段变成一个术语）。

我认为当用卢克看场时会出现一些困惑。存储的值不是查询使用的值，您需要的是术语。我怀疑当您查看为您的字段存储的术语时，它们将是“我的”和“价值”。

希望这会有所帮助，

【讨论】：