为什么在JCR 2中包含查找不相等的文本字符串？

Question

在使用JCR-SQL2查询时，我注意到CONTAINS操作符查找的节点不具有与条件完全相同的字符串。

示例

以下查询：

SELECT * FROM [nt:base] AS s WHERE CONTAINS(s.*, 'my/search-expression')

不会只找到包含my/search-expression字符串的节点，也不会找到具有字符串(如my/another/search/expression )的节点。

为什么查询没有找到所提供的确切字符串？如何才能改变它以缩小结果？

为了分享知识，这个问题是由我来回答的--但是可以自由地添加你自己的答案，或者改进一个现有的答案。

Answer 1

示例查询的执行计划揭示了问题的根源：

  [nt:base] as [s] /* lucene:lucene(/oak:index/lucene) +:fulltext:my +:fulltext:search +:fulltext:expression ft:("my/search-expression") where contains([s].[*], 'my/search-expression') */

CONTAINS运算符触发全文搜索。非单词字符，如"/“或"-"，用作单词分隔符。因此，查询将查找所有包含单词"my“、"search”和“表达式”的节点。

它能做些什么？有几种选择。

1.使用双引号

如果您希望将结果限制在具有给定单词的短语中，并且在它们之间没有任何其他单词，请将搜索表达式放在双引号中：

SELECT * FROM [nt:base] AS s WHERE CONTAINS(s.*, '"my/search-expression"')

现在，执行计划是不同的：

[nt:base] as [s] /* lucene:lucene(/oak:index/lucene) :fulltext:"my search expression" ft:("my/search-expression") where contains([s].[*], '"my/search-expression"') */

现在，查询将查找整个短语，而不是单个单词。然而，它仍然忽略非单词字符，因此也会找到这样的短语：“我的搜索表达式”或“我的搜索表达式”。

2.使用类似的表达式(不建议使用)

如果只想找到保留非单词字符的确切短语，可以使用LIKE表达式：

SELECT * FROM [nt:base] AS s WHERE s.* LIKE '%my/search-expression%'

然而，这是慢得多的。在解释执行计划时，我需要添加另一个条件以避免超时。对于此查询：

SELECT * FROM [nt:base] AS s WHERE s.* LIKE '%my/search-expression%'  AND ISDESCENDANTNODE([/content/my/content]) 

执行计划是：

[nt:base] as [s] /* traverse "/content/my/content//*" where ([s].[*] like '%my/search-expression%') and (isdescendantnode([s], [/content/my/content])) */

它只会找到带有以下短语的节点：“my/search-表达式”。

3.使用双引号并改进结果

最好是使用第一种方法(带有双引号的CONTAINS)，并在以后细化结果，例如，在应用程序代码中，如果查询是从应用程序运行的。

4.混合含有和类似物

另一种选择是将全文搜索和LIKE表达式与AND混合使用。

SELECT * FROM [nt:base] AS s WHERE CONTAINS(s.*, '"my/search-expression"') AND s.* LIKE '%my/search-expression%'

现在的执行计划是：

[nt:base] as [s] /* lucene:lucene(/oak:index/lucene) :fulltext:"my search expression" ft:("my/search-expression") where (contains([s].[*], '"my/search-expression"')) and ([s].[*] like '%my/search-expression%') */

现在，它应该是快速和严格的同时。

Answer 2

也有同样的问题。

因此，基本上您应该为lucene索引定义不同的标记器，在我的例子中，“空格”标记器很好。

使用标准标记器，“my/search-表达式”被拆分为3个标记"my“、"search”、“表达式”。标准标志符使用一些特殊字符作为分隔符。

这就是为什么“我/搜索-表达式”得到0的原因。

另一个例子是：

“一些-其他我的搜索/表达式”，与空格标记器，这是分裂成：

“一些-其他”、“我的”、“搜索/表达”

当您搜索“一些-其他我的”，这应该会返回结果。

标记器列表

Lucene索引示例：

<yourLucene
jcr:primaryType="oak:QueryIndexDefinition"
type="lucene"
async="async"
evaluatePathRestrictions="{Boolean}true"
includedPaths="[/somepath]"
queryPaths="[/somepath]"
compatVersion="{Long}2">
<analyzers jcr:primaryType="nt:unstructured">
    <default jcr:primaryType="nt:unstructured">
        <tokenizer
            jcr:primaryType="nt:unstructured"
            name="Whitespace"/>
        <filters jcr:primaryType="nt:unstructured">
            <Standard jcr:primaryType="nt:unstructured"/>
            <LowerCase jcr:primaryType="nt:unstructured"/>
            <Stop jcr:primaryType="nt:unstructured"/>
        </filters>
    </default>
</analyzers>
<indexRules jcr:primaryType="nt:unstructured">
    <nt:unstructured jcr:primaryType="nt:unstructured">
        <properties jcr:primaryType="nt:unstructured">
            <someprop
                jcr:primaryType="nt:unstructured"
                name="someprop"
                propertyIndex="{Boolean}true"
                type="String"/>
        </properties>
    </nt:unstructured>
</indexRules>