Java Lucene 搜索 - 是否可以搜索范围内的数字？

Question

使用 Lucene 库，我需要对现有的搜索功能进行一些更改： 让我们假设以下对象：

名称：“端口对象 1”

数据：“TCP (1)/1000-2000”

查询（或搜索文本）是“1142” 是否可以在数据字段中搜索“1142”并找到端口对象 1，因为它指的是 1000-2000 之间的范围？

我只设法找到了数字范围查询，但这不适用于这种情况，因为我不知道范围...

package com.company;

import java.io.IOException;

import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.StringField;
import org.apache.lucene.document.TextField;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.queryparser.classic.ParseException;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.RAMDirectory;

public class Main {
    public static void main(String[] args) throws IOException, ParseException {
        StandardAnalyzer analyzer = new StandardAnalyzer();

        // 1. create the index
        Directory index = new RAMDirectory();

        IndexWriterConfig config = new IndexWriterConfig(analyzer);

        IndexWriter w = new IndexWriter(index, config);
        addDoc(w, "TCP (6)/1100-2000", "193398817");
        addDoc(w, "TCP (6)/3000-4200", "55320055Z");
        addDoc(w, "UDP (12)/50000-65000", "55063554A");
        w.close();

        // 2. query
        String querystr = "1200";

        Query q = new QueryParser("title", analyzer).parse(querystr);

        // 3. search
        int hitsPerPage = 10;
        IndexReader reader = DirectoryReader.open(index);
        IndexSearcher searcher = new IndexSearcher(reader);
        TopDocs docs = searcher.search(q, hitsPerPage);
        ScoreDoc[] hits = docs.scoreDocs;

        // 4. display results
        System.out.println("Found " + hits.length + " hits.");
        for(int i=0;i<hits.length;++i) {
            int docId = hits[i].doc;
            Document d = searcher.doc(docId);
            System.out.println((i + 1) + ". " + d.get("isbn") + "\t" + d.get("title"));
        }

        reader.close();
    }

    private static void addDoc(IndexWriter w, String title, String isbn) throws IOException {
        Document doc = new Document();
        doc.add(new TextField("title", title, Field.Store.YES));

        doc.add(new StringField("isbn", isbn, Field.Store.YES));
        w.addDocument(doc);
    }
}

参考上面的代码。 查询“1200”应该找到第一个文档。

乐：

我认为我需要的与范围搜索完全相反： https://lucene.apache.org/core/5_5_0/queryparser/org/apache/lucene/queryparser/classic/package-summary.html#Range_Searches

Answer 1

这是一种方法，但它需要您将范围数据解析为单独的值，然后您的数据才能被 Lucene 索引。所以，例如，从这个：

"TCP (6)/1100-2000"

您需要提取这两个值（例如，使用正则表达式）：1100 和 2000。

带有 ContainsQuery 的 LongRange

为每个文档添加一个新字段（例如，命名为“tcpRange”）并将其定义为LongRange 字段。

（如果您不需要长值，还有IntRange。）

long[] min = { 1100 };
long[] max = { 2000 };
Field tcpRange = new LongRange("tcpRange", min, max);

值是在数组中定义的，因为这种范围类型可以在一个字段中处理多个范围。但在我们的例子中，我们只需要一个范围。

然后您可以使用“contains”查询来搜索您的特定值，例如1200:

long[] searchValue = { 1200 };
Query containsQuery = LongRange.newContainsQuery("tcpRange", searchValue, searchValue);

注意：我的示例基于最新版本的 Lucene (8.5)。我相信这也应该适用于其他早期版本。

编辑

关于 cmets 对此答案提出的其他问题...

以下方法将 IPv4 地址转换为 long 值。使用它可以处理 IP 地址范围（并且可以使用与上面相同的 LongRange 方法）：

public long ipToLong(String ipAddress) {
    long result = 0;
    String[] ipAddressInArray = ipAddress.split("\\.");
    for (int i = 3; i >= 0; i--) {
        long ip = Long.parseLong(ipAddressInArray[3 - i]);
        // left shifting 24, 16, 8, 0 with bitwise OR
        result |= ip << (i * 8);
    }
    return result;
}

这也意味着不必处理有效的子网范围 - 任何两个 IP 地址都会生成一组连续的数字。

感谢this mkyong site 的方法。

Answer 2

我设法添加了另一个字段，它现在可以工作了。另外，你知道除了 IPv4 之外我怎么能做同样的搜索？如果我在“192.168.0.1-192.168.0.255”字符串中搜索“192.168.0.100”之类的内容？

嗨@CristianNicolaePerjescu 我不能评论因为我的声誉，但你可以创建一个扩展 Field 的类并将其添加到你的 lucene 索引中。例如：

public class InetAddressRange extends Field {
  ...

  /**
   * Create a new InetAddressRange from min/max value
   * @param name field name. must not be null.
   * @param min range min value; defined as an {@code InetAddress}
   * @param max range max value; defined as an {@code InetAddress}
   */
  public InetAddressRange(String name, final InetAddress min, final InetAddress max) {
    super(name, TYPE);
    setRangeValues(min, max);
  }

  ...

}

然后添加到索引中：

document.add(new InetAddressRange("field", InetAddressFrom, InetAddressTo));

在您的班级中，您可以添加自己的查询格式，例如：

  public static Query newIntersectsQuery(String field, final InetAddress min, final InetAddress max) {
    return newRelationQuery(field, min, max, QueryType.INTERSECTS);
  }

  /** helper method for creating the desired relational query */
  private static Query newRelationQuery(String field, final InetAddress min, final InetAddress max, QueryType relation) {
    return new RangeFieldQuery(field, encode(min, max), 1, relation) {
      @Override
      protected String toString(byte[] ranges, int dimension) {
        return InetAddressRange.toString(ranges, dimension);
      }
    };
  }

希望对你有帮助。