Lucene號碼提取

Question

我有這個號碼提取問題。 我想要得到所有沒有特定數字的比賽 例如：125501874，125001873 每個數字在位置2的55都不予考慮。

第一號碼的範圍是0到9，第二個是1-9所以真正的範圍爲[01-99] （我們不能有00作爲前兩個數字）

使用Lucene我想添加NOT字段：[01-99] 55 *

但它似乎沒有工作。有沒有一種簡單的方法來查找?? 55 *並忽略它在搜索（「非字段：[01-99] 55 *」）？

謝謝Lucene的大師

Answer 1

謝謝你erickson，你的解決方案可能是最好的，使用ParallelReader如果我只能使用臨時索引，導致我們緩存搜索查詢，我們將需要這些。

但就像你之前說過的，最好從相關數字straighaway的索引開始。

我有另一種解決方案。

NOT field:0?55* 
NOT field:1?55* 
... 
NOT field:9?55* 

它對於我正在做的搜索來說足夠高效，它繞過了第一個字符的通配符限制。如果他們在哪裏檢查更多的數字，或者他們離開始的地方更遠，我不會使用它。 現在我正在測試一百萬行，這對我們的需求非常有效。

Answer 2

如果一個人只有在它的第三和第四位創建「僅索引」字段的Lucene能做到這一點非常有效。完整的值可以在原始字段中「存儲」（或存儲並索引，如果其他查詢使用整個數字）。

---

更新：後隨註釋問道，「難道[有]的方式來僅在第二位創建一個臨時索引」使用ParallelReader「垂直分區」索引的字段。一個分區可以保存當前索引及其字段，而另一個分區可以是新字段的臨時索引，可能存儲在RAMDirectory中。

假設數字在原始索引中「存儲」，迭代原始索引中的每個文檔，檢索存儲的字段，解析出關鍵數字，並將Document添加到具有新字段的臨時索引。正如ParallelReader文檔所述，文檔編號必須在兩個索引中匹配。