类似于lucene中句子的功能

Question

我试图在Lucene中复制SQL的类似功能。

如果我使用通配符搜索，请说“*郁金香酒店Riyadhh*”，我面临以下行为：

1. 利雅得郁金香酒店-匹配
2. 利雅得郁金香酒店-不匹配
3. 利雅得郁金香酒店
4. 郁金香搭配
5. 利雅德-匹配

实际上，我需要一个在Lucene中的例子，其中条件"2“应该匹配，"4”不应该匹配。

我尝试了所有的查询，但是第二个场景不匹配。

一些人建议使用托肯器和自定义分析器。

因为我是Lucene新手，所以我处理查询，但不知道如何将Tokenizer和自定义分析器集成到我们的查询中。

Answer 1

如果只需要前缀匹配，则可以使用KeywordTokenizer和LowercaseFilter和EdgeNgramFilter：

<analyzer>
  <tokenizer class="solr.KeywordTokenizerFactory"/>
  <filter class="solr.LowerCaseFilterFactory"/>
  <filter class="solr.EdgeNGramFilterFactory" minGramSize="4" maxGramSize="50"/>
</analyzer>

该链将将传入的文本保持为单个令牌(KeywordTokenizer)，然后将传入的文本转换为小写(LowerCaseFilter)，然后根据字符串长度将其拆分为多个令牌。

如果要匹配字符串中的任何位置，可以使用普通的plain筛选器：

<filter class="solr.NGramFilterFactory" minGramSize="1" maxGramSize="4"/>

。。但是，请注意，如果min和max之间的差异很大，索引的大小将迅速增长。

还有第二个选项，那就是使用ReversedWildcardFilter，它专门为*foo*查询条件进行调优，所以如果您不需要对每个令牌进行进一步处理(例如对每个单独的令牌进行词干，等等)。这可能是个选择。