java Lucene：前缀令牌匹配或精确匹配的前缀

Question

我有几千根这样的线

• 福吧赫普
• 福巴德普酒店
• 巴兹：还有别的吗

我想提供一个有效的搜索，以便

• “foo bar”（标记化前缀）
• “foo herp”（跳过标记）
• “foo bar-”（精确前缀）
• “Bar Herp”（中间的精确字符串）
• “foo-ba”（一个完整的标记和另一个标记的前缀）

等等。 全部返回第一个字符串（可能还有其他字符串），但是

• “herp foo”（顺序错误，不重要）
• “foo blerp”（并非所有代币）
• “murp herp”（并非所有代币）

不要

也就是说，精确的前缀匹配和正确顺序的标记（可能是前缀）匹配都应该匹配，与大小写无关，但查询中的所有标记都必须在文档中

我已经使用一个StandardAnalyzer和一个带有前缀查询的公共QueryParser设置了典型的Lucene示例

我想我可能需要一个BinaryQuery来声明我需要查询中的所有标记都出现在文档中，但我不能完全弄清楚如何获取标记来构建它（查询由用户提供）。我还意识到，使用StringField而不是TextField可以提供与令牌匹配相反的精确字符串匹配，但我不确定这是否是我可以与上述内容结合使用的内容

我该怎么做？我甚至不需要用Lucene来做这件事，但它看起来很合适

Answer 1

第一个（非关键）有点棘手，但要确保在所有结果中找到查询中的所有术语，只需将所有查询术语设置为必需。您可以使用添加的plus运算符来执行此操作：

• +foo +bar
• +foo +ba*（如果你想处理前缀，你需要添加通配符来指定它，或者可能使用ngram标记器，或者类似的东西）
• 等等

或者，您可以使用^{}将默认运算符设置为AND

queryParser.setDefaultOperator(StandardQueryConfigHandler.Operator.AND);

---

在herp foo和foo herp的情况下，我认为短语slop可能会让你达到你需要的地方。交换术语顺序会增加两个距离，因此：

• "foo herp"~2：匹配“Foo-Bar-Herp”
• "herp foo"~2：没有

但是短语查询不支持通配符，所以如果需要将通配符与前缀词结合使用，就会遇到问题

如果您想在不改变顺序的情况下允许更多的slop，那么我相信您已经超出了QueryParser表达查询的能力，需要转到SpanQueryAPI来手动构造查询

手动构造查询，可以执行以下操作：

SpanQuery term1 = new SpanTermQuery(new Term("content", "foo"));
SpanQuery term2Prefix = new SpanMultiTermQueryWrapper(new PrefixQuery(new Term("content", "her")));
SpanQuery finalQuery = new SpanNearQuery(new SpanQuery[] {term1, term2Prefix}, 5, true);

按顺序查找第一个术语（精确匹配）和第二个术语的前缀，它们之间的术语不超过五个