有没有办法在Lucene中使用RegexpQuery搜索术语？

Question

我想使用RegexpQuery按顺序搜索我的索引文档。

例如我有2文档 文本：甲骨文公布的季度业绩好于预期。 原文：Research In Motion股价周五在多伦多证券交易所上涨近13％，该智能手机制造商公布的季度业绩好于预期。

到目前为止，我试过这个，但我没有运气。

查询regexq = new RegexpQuery（new term（“text”，“^。+ better。+ quarterly。+ results”））;

有没有另外一种方法来实现呢？

感谢

Answer 1

我相信PhraseQuery适合你在找什么更好的。您可以使用PhraseQuery.setSlop(int)来允许条款在查询条款之间出现。本想这样的：

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. 

这类查询也由标准的QueryParser，as seen here支持，如：

text:"better quarterly results"~10 

---

我觉得PhraseQuery是最肯定更好地执行在这里，但...

关于RegexpQuery：

我相信这是INT结束与正则表达式进行比较，并且由于您正在搜索的短语（我假设）被标记化，因此没有单个词语与您的整个正则表达式匹配。您需要使用StringField,KeywordAnalyzer或类似的索引将整个字段索引为单个字段以完成此项工作。

我认为它的工作原理与Matcher.matches()相似，而不是Matcher.find()，也就是说，它必须匹配整个输入项，而不是它的一部分。因此，如果您将“文本”指定为StringField，则需要在末尾添加.*以消耗其余的输入。

在类似的说明中，我不确定它是否支持使用字符“^”作为输入的开始，因为它在这种情况下是冗余的。我没有看到它在Lucene's Regexp中指定，但我已经看到它的使用参考，所以我不知道它是否会被接受。

总之，一个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指数整场作为一个单一期限。

虽然在您的正则表达式中使用了前导通配符，但您可能会发现其性能很差（请参阅RegexpQuery documentation顶部的警告）。