Solr、lucene查询语句作或查询时的注意点
来源:互联网 发布:国产内存颗粒知乎 编辑:程序博客网 时间:2024/05/10 04:46
原文:Solr、lucene查询语句作或查询时的注意点
http://www.azumi.cc/thread-539253-1-1.html
在使用lucene做搜索引擎时,中文的查询是值得注意的一点。其中有一些问题需要尤其注意:
首先推荐在lucene方面的牛人的博客:http://forfuture1978.iteye.com/blog/588716,这里有关于查询的一些疑惑,在此不再做介绍。另:他的其他关于lucene的文章,也强烈推荐。
在查询方面,与的查询,基本不会有太大问题,中文分词工具分好词后,所有的term都会变为PhraseQuery的方式,依次对查询条件进行查询。
如果用户输入的查询条件,想到的是或的关系,或者因为需求方面的问题,希望返回更多的数据给用户,则都需要使用或的关系。
1. autoGeneratePhraseQueries=false
由于lucene默认是使用PhraseQuery来检索数据,那我们的需求就不满足了,这里需要做一个简单的修改,在schema.xml中:
其中autoGeneratePhraseQueries为true时,为精确查找,即AND的关系,改为false即可。此时,Query的实现类变为BooleanQuery,多个term变为SHOULD的关系,便实现了OR的需求。
下面来看一下源代码:
QueryParse.term(String)的部分代码为
if (wildcard) {
q = getWildcardQuery(field, termImage);
} else if (prefix) {
q = getPrefixQuery(field,
discardEscapeChar(term.image.substring
(0, term.image.length()-1)));
} else if (fuzzy) {
float fms = fuzzyMinSim;
try {
fms = Float.valueOf(fuzzySlop.image.substring(1)).floatValue();
} catch (Exception ignored) { }
if(fms 1.0f){
{if (true) throw new ParseException("Minimum similarity for a FuzzyQuery has to be between 0.0f and 1.0f !");}
}
q = getFuzzyQuery(field, termImage,fms);
} else {
q = hasNewAPI ? getFieldQuery(field, termImage, false) : getFieldQuery(field, termImage);
}
注意
q = hasNewAPI ? getFieldQuery(field, termImage, false) : getFieldQuery(field, termImage);
这一句中,hasNewAPI =true(3.1版本中为静态变量),则进入getFieldQuery(field, termImage, false)中:
if (numTokens == 0)
return null;
else if (numTokens == 1) {
....
else {
if (severalTokensAtSamePosition || (!quoted && !autoGeneratePhraseQueries)) {
BooleanQuery q = newBooleanQuery(positionCount == 1);
}else{
PhraseQuery pq = newPhraseQuery();
}
}
这里可以看到,如果autoGeneratePhraseQueries为false,才能创建BooleanQuery对象,否则就为PhraseQuery。
2. 禁用"?*"等一些特殊字符
在term()的代码中,如果使用字符"*?"则会进入下面的伪代码中:
case PREFIXTERM:
q = getPrefixQuery(field,
discardEscapeChar(term.image.substring
(0, term.image.length()-1)));
case WILDTERM:
term = jj_consume_token(WILDTERM);
wildcard=true;
case QUOTED:
q = getFieldQuery(field, discardEscapeChar
(term.image.substring(1, term.image.length()-1)), s);
case FUZZY_SLOP:
q = getFuzzyQuery(field, termImage,fms);
他们最终产生的对象,都不会是BooleanQuery。这样的情况下,导致这些分支都进入不到
q = hasNewAPI ? getFieldQuery(field, termImage, false) : getFieldQuery(field, termImage);中,这样一来,所有的处理都变成以AND为前提的处理
3. 思考
怎么处理这样的问题呢?目前正在探索中,暂时考虑到的方式就是在客户端先作一次预处理,将不符合OR场景的情况都处理成OR的情况,然后再交给lucene去处理。当然,这个方案有个很明显的问题,即分词模块都要集成到客户端,造成很大的冗余。
有什么好的方法吗?欢迎提出
- Solr、lucene查询语句作或查询时的注意点
- Lucene的查询语句
- Solr Lucene Group查询
- Solr查询语句的封装
- Lucene的查询语句用法
- Lucene的查询语句用法
- solr/lucene查询语法解析
- Lucene查询语句
- lucene的多关键词或查询
- Solr/lucene下查询域为空值的方法
- 结合源码分析Solr&Lucene查询打分的工作流程
- Solr/lucene下查询域为空值的方法
- solr 或查询 or query
- Lucene+Solr+ElasticSearch查询匹配优化
- sql参数查询的注意点
- AJAX页面查询实现的注意点
- hbase的查询scan功能注意点
- hibernate 的hql查询语句中使用fetch的注意点
- Enforcing Correct Mutex Usage with Synchronized Values
- 日语转unicode码
- ASP.NET 中 GridView 数值列 小数点位数 的控制
- vi 设置语法高亮
- RHEL 5下安装Scrapy-0.14.0.2841爬虫框架
- Solr、lucene查询语句作或查询时的注意点
- linux第一天
- 用循环链表解决约瑟夫(josephu)问题
- Frame和IFrame的简单使用
- 代码大全---5
- Dm9000aep在u-boot下网卡驱动调试笔记
- C++中数组下标可以为负数
- Android开发环境搭建
- FTP 命令详解