Lucene 查询未在标准分析器上返回命中答案

【问题标题】：Lucene query not returning hit on standard analyzerLucene 查询未在标准分析器上返回命中
【发布时间】：2014-07-18 18:48:26
【问题描述】：

我有一个文件名thatfeelwhen.pdf，当我使用“that”或“feel”之类的词进行搜索时，如果我输入“when”或整个文件名，我不会得到任何结果。我正在使用标准分析仪。如何让 Lucene 的搜索器匹配所有内容？我的搜索查询似乎与文件中的内容匹配，但与文件名不匹配。

public partial class _Default : Page
{
    Directory finalDirectory = null;
    Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_30);

其他方法的代码如下：

private static void AddTextToIndex(string filename, string pdfBody, IndexWriter writer)
    {
        Document doc = new Document();
        doc.Add(new Field("fileName", filename.ToString(), Field.Store.YES, Field.Index.ANALYZED));
        doc.Add(new Field("pdfBody", pdfBody.ToString(), Field.Store.NO, Field.Index.ANALYZED));
        writer.AddDocument(doc);
    }

    private static Directory buildIndex(Analyzer analyzer)
    {
        string[] syllabusFiles = System.IO.Directory.GetFiles(@"C:\mywebsite\files\forms");
        Directory directory = FSDirectory.Open(new DirectoryInfo(@"C:\mywebsite\files\LuceneIndex"));           
        var writer = new IndexWriter(directory, analyzer, true, IndexWriter.MaxFieldLength.LIMITED);

        int j = 0;
        while (j < syllabusFiles.Length)
        {
            string pdfTextExtracted = pdfText(syllabusFiles[j]);
            string fileNameOnly = syllabusFiles[j].Replace("C:\\website\\files\\forms", "");
            AddTextToIndex(fileNameOnly, pdfTextExtracted, writer);
            j++;
        }
        writer.Optimize();
        writer.Dispose();
        return directory;
    }

    protected void txtBoxSearchPDF_Click(object sender, EventArgs e)
    {
        if (txtBoxSearchString.Text == "")
        {
            lblNoSearchString.Visible = true;               
        }
        else if (txtBoxSearchString.Text == "build_index")
        {
            this.finalDirectory = buildIndex(this.analyzer);
        }
        else
        {
            //searching PDF text
            lblNoSearchString.Visible = false;
            StringBuilder sb = new StringBuilder();
            this.finalDirectory = FSDirectory.Open(new DirectoryInfo(@"C:\mywebsite\files\LuceneIndex"));
            IndexReader indexReader = IndexReader.Open(this.finalDirectory, true);
            Searcher indexSearch = new IndexSearcher(indexReader);
            string searchQuery = txtBoxSearchString.Text;
            var fields = new[] { "fileName", "pdfBody" };
            var queryParser = new MultiFieldQueryParser(Version.LUCENE_30, fields, this.analyzer);
            Query query;
            try
            {
                query = queryParser.Parse(searchQuery.Trim());
            }
            catch (ParseException)
            {
                query = queryParser.Parse(QueryParser.Escape(searchQuery.Trim()));
            }
            TopDocs resultDocs = indexSearch.Search(query, indexReader.MaxDoc);                

            var hits = resultDocs.ScoreDocs;
            foreach (var hit in hits)
            {
                var documentFromSearcher = indexSearch.Doc(hit.Doc);
                string getResult = documentFromSearcher.Get("fileName");
                string formattedResult = getResult.Replace(" ", "%20");
                sb.AppendLine(@"<a href=https://website.com/search/forms/" + formattedResult+ ">" + getResult+"</a>");
                sb.AppendLine("<br>");
            }

【问题讨论】：

你好像忘记了writer.Commit()。
不需要，但感谢您的建议。无论如何，我将它添加到我的代码中。

标签： c# asp.net lucene

【解决方案1】：

我选择使用Analyzer analyzer = new SingleCharTokenAnalyzer(); 并获得了更好的结果。

我尝试了 Simple、Standard、Whitespace 和 Keyword Analyzers，但没有一个能真正满足我的需求，而无需通过创建额外的工作来自定义它们。

【讨论】：

我想我读你的问题有点太快了，没有理解问题...StandardAnalyzer 包括一个停用词删除过滤器（默认设置为：a, an, and, are, as, at, be, but, by, for, if, in, into, is, it, no, not, of, on, or, such, that, the, their, then, there, these, they, this, to, was, will, with）。您可以使用一组空的停用词来实例化 StandardAnalyzer，或者您可以编写一个更适合您需求的分析器，这没什么大不了的。