如果我試圖檢索[email protected]，搜索「dave」將會像「[email protected]」一樣工作。查詢由lucene索引的電子郵件地址
但搜索「dave @ gmail」不起作用。查詢發生在Java servlet中。 我認爲這個問題可能在於分割完全停止
我該如何解決這個問題，以便「dave @ gmail」將返回「[email protected]」？電子郵件地址，也可以包含其他領域（如.co.uk）
感謝
Lucene的使用「儀」以tokenise和索引文檔。同樣，分析器用於標記用戶搜索查詢。
一個常見的錯誤是使用不同的分析器進行索引而不是搜索，兩者都必須與您匹配以獲得您期望的結果（搜索this doc「常見錯誤」）。
standard lucene tokeniser可識別電子郵件字符串並將它們編入索引。
它將索引[email protected]作爲[token：[email protected]]。但是，您用來標記查詢的分析器（或者如果您正在手動構建查詢）可能會將其分解爲3個標記，並以非字母數字字符分割。所以你可能會搜索3個相鄰的令牌：[tok1：dave] [tok2：gmail] [tok3：com]，它們不存在。
Query.toString可能會「漂亮地打印」您正在提交給Lucene的Query，它可能會幫助您進行調試。
我爲兩者使用標準記號器。但是，如果整個電子郵件地址是單個令牌，那麼這是否解釋了爲什麼我沒有得到我想要的結果？例如。如果我搜索「yah」，我希望「yahoo」能夠包含在搜索結果中嗎？ – chazmuzz 2010-11-18 14:10:37
這取決於，在索引過程中可能使用一系列分析器，有些人可能會將電子郵件索引爲3個令牌（dave，gmail，com），另一個可能會將整個索引編入索引（[email protected]）。這可以解釋爲什麼你會受到戴夫的打擊。你可以使用Luke檢查你的索引的內容 - 看看你是否可以看到令牌'[email protected]'爲單個實體。在您的查詢中也嘗試使用toString，以確保您提交「[email protected]m」 – Joel 2010-11-18 15:09:11
accepted answer to using Lucene to search for email addresses顯示瞭如何爲電子郵件地址構建自己的標記器和分析器。通過創建自己的代碼，您可以精確控制在Lucene中如何存儲和檢索電子郵件地址。
使用
org.apache.lucene.analysis.standard.UAX29URLEmailTokenizer
或
org.apache.lucene.analysis.KeywordTokenizer
標記生成器，以能夠通過電子郵件
你可以使用模糊在查詢搜索一個分析器進行搜索。這將近似由用戶定義levenshtein距離（LD）設置的結果。
當你說你有[email protected]索引時，它是如何到達那裏的？我有一個類似的問題，我從一個文件中讀取並添加到我的索引中。我沒有意識到的是，我運行Apache tika從文件中獲取文本。 apache tika的解析器將電子郵件ID分別標記爲文本到達lucene分析器的時間，損壞已經完成。如果你正在使用這樣的實現並且你找到了答案。讓我知道。 – 2013-09-30 20:00:17