有沒有辦法在Lucene中使用RegexpQuery搜索術語？

Question

我想使用RegexpQuery按順序搜索我的索引文檔。

例如我有2文檔 文本：甲骨文公佈的季度業績好於預期。 原文：Research In Motion股價週五在多倫多證券交易所上漲近13％，該智能手機制造商公佈的季度業績好於預期。

到目前爲止，我試過這個，但我沒有運氣。

查詢regexq = new RegexpQuery（new term（「text」，「^。+ better。+ quarterly。+ results」））;

有沒有另外一種方法來實現呢？

感謝

Answer 1

我相信PhraseQuery適合你在找什麼更好的。您可以使用PhraseQuery.setSlop(int)來允許條款在查詢條款之間出現。本想這樣的：

Query pq = new PhraseQuery(); 
pq.add(new Term("text", "better")); 
pq.add(new Term("text", "quarterly")); 
pq.add(new Term("text", "results")); 
pq.setSlop(10); //Or whatever is an appropriate slop value for you. 

這類查詢也由標準的QueryParser，as seen here支持，如：

text:"better quarterly results"~10 

---

我覺得PhraseQuery是最肯定更好地執行在這裏，但...

關於RegexpQuery：

我相信這是INT結束與正則表達式進行比較，並且由於您正在搜索的短語（我假設）被標記化，因此沒有單個詞語與您的整個正則表達式匹配。您需要使用StringField,KeywordAnalyzer或類似的索引將整個字段索引爲單個字段以完成此項工作。

我認爲它的工作原理與Matcher.matches()相似，而不是Matcher.find()，也就是說，它必須匹配整個輸入項，而不是它的一部分。因此，如果您將「文本」指定爲StringField，則需要在末尾添加.*以消耗其餘的輸入。

在類似的說明中，我不確定它是否支持使用字符「^」作爲輸入的開始，因爲它在這種情況下是冗餘的。我沒有看到它在Lucene's Regexp中指定，但我已經看到它的使用參考，所以我不知道它是否會被接受。

總之，一個RegexpQuery可以工作，如：

Query regexq = new RegexpQuery(new Term("text", ".+better.+quarterly.+results.*")); 

如果您使用的StringField，或KeywordAnalyzer指數整場作爲一個單一期限。

雖然在您的正則表達式中使用了前導通配符，但您可能會發現其性能很差（請參閱RegexpQuery documentation頂部的警告）。