如何使用Lucene索引和搜索多個術語和短語

Question

我使用Lucene.NET來索引一組文檔的內容。我的索引包含幾個字段，但我主要關心的是查詢「內容」字段。我試圖找出索引的最佳方式，以及創建查詢，以滿足要求。

以下是當前要求：

• 能夠搜索多個關鍵字，如「飛機火車汽車」（減去引號）。這應該給我包含任何條款的所有文件，但包含所有三個文件的文件應該在頂部
• 能夠搜索短語，例如「飛機，火車和汽車」（帶引號）只有在他們在一起時才符合。
• 至於停用詞，我會完全忽略它們或者包括它們。
• 至於標點或特殊字符，相同的交易。我可以完全忽略它們，或者包含它們。
• 最後兩個只需要一致，不一定與對方，但索引器和搜索器如何處理它們。所以我只是不想讓用戶搜索「飛機和火車」，但它不匹配包含該短語的文檔，因爲索引器取出了「and」，但搜索者試圖搜索特定的短語。

一些文件很大，所以我認爲我們不想做Field.Store.Yes，對嗎？除非我們必須爲我們需要做的事情做準備。

Answer 1

您列出的要求應該使用lucene的標準分析器和queryparser來處理。確保在IndexWriter和QueryParser中使用相同的分析器。停止詞被消除。標點通常被忽視，雖然規則是多一點參與，只是忽略每標點符號（見UAX #29, section 4，如果你有興趣的細節）

如果您嘗試運行Lucene demo，你會發現它只是就像你在這裏指定的一樣。

至於存儲的領域，你說得對，是的。如果需要從索引中檢索該字段，請存儲該字段。您不需要檢索的大字段不需要存儲。