java Lucene如何添加QueryParser参数InOrder=true？

Question

我有一个文本文件：

war force

force war

我进行“拆分”并将word保存在TextWord中：

TextWord[0]: war
TextWord[1]: force
TextWord[2]: force
TextWord[3]: war

我只想找到“武力”，但我的搜索也找到了“武力战争”。 我希望搜索时考虑2条规则：

1. 保持语序。（如果我的str of query=“war force”并且我只找到了索引0和1，那么这个“force war”就错了）
2. Slop=0（因此在单词“war”和“force”之间没有单词，正确的是“war force”，但是这个“war-SOMEWORD force”是错误的）

我试试这个：

Query query = parser.parse(" \"war force\"~0x "); 
Query query = parser.parse(" \"war force\"~0 ");
Query query = parser.parse("war AND force");
Query query = parser.parse("war force");

---

但是这样的要求并没有达到预期的效果，请告诉我你是如何做到的

---

我的代码：

        Analyzer customAnalyzer = CustomAnalyzer.builder()
        .withTokenizer("standard")
        .build();
        
        QueryParser parser = new QueryParser("tags", customAnalyzer);
        Query query = parser.parse("\"war force\" AND NOT \"force war\""); 
        IndexSearcher searcher = new IndexSearcher(reader); 
        TopDocs docs = searcher.search(query, 10); 
        System.out.println(" "); 
        FastVectorHighlighter highlighter = new FastVectorHighlighter(); 
        FieldQuery fieldQuery = highlighter.getFieldQuery(query);    
        FieldTermStack stack = new FieldTermStack(reader, 0, "tags", fieldQuery);
        
        TermInfo myTermInfo = stack.pop();
        while(myTermInfo != null){
            System.out.println("word[" + myTermInfo.getPosition() + "]: " + myTermInfo.getText());
            myTermInfo = stack.pop();
        }

我的输出：

word[0]: war
word[1]: force
word[4]: force
word[5]: war

我需要的结果是：

word[0]: war
word[1]: force

我看到了一份文件。如果我们有这样一个请求：“Word1 Word2”，并且在这些词之间没有运算符，那么默认情况下，OR运算符被放置。这意味着请求“战争力量”将等于请求“战争力量”，因此将发现：1）“战争力量”；2） “武力战争”。我不知道如何确保我只有这样的结果：“战争力量”。 告诉我怎么做？我错过什么了吗

---

如果我使用highlighter，我会得到以下结果：

?<b>war</b> <b>force</b> bookcase bookcase1

force war

我的highlighter代码：

Analyzer customAnalyzer = CustomAnalyzer.builder()
        .withTokenizer("standard")
        .build();
        
        //... Above, create documents with two fields, one with term vectors (tv) and one without (notv)
        IndexSearcher searcher = new IndexSearcher(reader);
        QueryParser parser = new QueryParser("tags", customAnalyzer);
        Query query = parser.parse(" \"war force\"~0 ");
        //Query query = parser.parse("*Case");
        //Query query = new PrefixQuery(new Term("tags", "book")); //Поиск чтобы слово начиналось на строку "book" - "bookcase"
        
        TopDocs hits = searcher.search(query, 10);

        SimpleHTMLFormatter htmlFormatter = new SimpleHTMLFormatter("<b>", "</b>");
        Highlighter highlighter = new Highlighter(htmlFormatter, new QueryScorer(query));
        for (int i = 0; i < hits.scoreDocs.length; i++) {
            int id = hits.scoreDocs[i].doc;
            Document doc = searcher.doc(id);
            String text = doc.get("tags");
            TokenStream tokenStream = TokenSources.getAnyTokenStream(searcher.getIndexReader(), id, "tags", customAnalyzer);
            TextFragment[] frag = highlighter.getBestTextFragments(tokenStream, text, true, 100);//highlighter.getBestFragments(tokenStream, text, 3, "...");
            
            for (int j = 0; j < frag.length; j++) {
                if ((frag[j] != null) && (frag[j].getScore() > 0)) {
                    System.out.println((frag[j].toString()));
                }
            }
            System.out.println("finish test");
}

但如果我用荧光笔，我就没有找到的单词

Answer 1

要排除术语或短语，可以使用-运算符（“禁止”运算符）：

"war force" -"force war"

因此，在Java中，这将是：

Query query = parser.parse("\"war force\" -\"force war\""); 

你也可以使用AND NOT：

"war force" AND NOT "force war"

您可以在经典查询解析器syntax documentation中看到更多详细信息

---

更新

自从你第一次问这个问题以来，这个问题已经改变了很多

现在有两个新问题：

1. 您的查询似乎正在检索不应检索的文档

2. 你无法得到匹配项的位置

问题1

我无法重现这个问题。假设我的索引中有两个文档：

Doc 1: State WEAPONRY war force word1 And force war Book WEAPONRY

Doc 2: State WEAPONRY war force 123 War WORD1 Force And war Book WEAPONRY

当我使用以下查询时：

"war force" AND NOT "force war"

我找到了文件2，但不是文件1——这是正确的

我不知道你为什么会看到不正确/意外的结果。我猜这可能是因为您的索引包含意外数据，或者可能使用了意外的索引方法。这个问题中没有任何东西可以解释这一点

问题2

现在，你的问题包含两个使用荧光灯的例子：

• 快速矢量荧光灯
• 标准荧光灯

但是，两个代码片段都不会报告匹配标记的位置。要做到这一点，您可以使用以下答案中所示的方法：

Lucene how can I get position of found query?

当我使用这种方法，并使用如上所示的相同数据和查询时，我会得到以下结果：

Found term: war
Position:   3

Found term: force
Position:   4

同样，这是正确的：匹配的术语是找到的文档中的第三个和第四个单词