whoosh不搜索諸如「C＃」之類的短詞

我正在使用whoosh來索引超過200,000本書。但我遇到了一些問題。 whoosh查詢解析器返回NullQuery的單詞，如「C＃」，「C++」中包含元字符以及其他一些短單詞。這個詞在一些文檔的標題和正文中使用，所以我不使用它們的關鍵字類型。我想問題是在分析或查詢分析階段的搜索或索引，但我不能盲目地觸摸我的數據。任何人都可以幫助我解決這個問題。 TNX。whoosh不搜索諸如「C＃」之類的短詞

'\ w + [＃+ \ W] *'

這將使：

我用的是符合我的要求，這裏是正則表達式正則表達式模式建立一個StandardAnalyzer固定的問題將字段標記爲成功完成，並且搜索進行得很順利。但是當我使用「some query ++ *」或「some ## *」這樣的查詢時，解析後的查詢將是單個每個查詢，只是'*'。我還發現這與我的分析儀無關，這是Whoosh的默認行爲。所以這裏是我的新問題：這是行爲正確還是錯誤？

注意：從查詢解析器中刪除WildcardPlugin解決了這個問題，但我還需要WildcardPlugin。

現在我用下面的代碼：

from whoosh.util import rcompile 
#for matching words like: '.NET', 'C++' and 'C#' 
word_pattern = rcompile('(\.|[\w]+)(\.?\w+|#|\+\+)*') 
#i don't need words shorter that two characters so i don't change the minsize default 
analyzer = analysis.StandardAnalyzer(expression=word_pattern)

...現在在我的架構：

... 
title = fields.TEXT(analyzer=analyzer), 
...

這將解決我的第一個問題，是的。但主要的問題在於搜索。我不想讓用戶使用Every查詢或*進行搜索。但是當我解析像C++*這樣的查詢時，我最終得到了一個Every(*)查詢。我知道有一些問題，但我無法弄清楚它是什麼。

來源

2013-03-18 Mohsen Mahmoodi

我有同樣的問題，發現StandardAnalyzer()默認使用minsize=2。所以在你的模式中，你必須另外告訴它。

schema = whoosh.fields.Schema(
    name = whoosh.fields.TEXT(stored=True, analyzer=whoosh.analysis.StandardAnalyzer(minsize=1)), 
    # ... 
)

來源

2013-04-17 18:21:48 kichik

感謝您的回答kichik。是的，您通過更改「StandardAnalizer」的minsize和expression參數是正確的，我們可以更改用於索引的接受令牌。但我改變了我的問題。 – 2013-05-04 20:32:46

嗯...現在有人能夠找出解決原始問題的方法？如果你打開一個新的問題而不是完全改變這個問題，情況會更好。 – kichik 2013-05-04 23:02:33

whoosh不搜索諸如「C＃」之類的短詞

回答

相關問題