Lucene.Net:构造搜索表达式简化搜索
Lucene.Net:构造搜索表达式简化搜索我们知道利用Lucene.Net的不同的Query（常见如BooleanQuery，RangeQuery等等），可以有针对性地进行各种不同类型的搜索。利用QueryParser（或MultiFieldQueryParser），配合构造好的搜索关键字（搜索表达式），也可以实现不同类型的搜索。本文重点就是简单介绍一下搜索表达式和不同类型的Query之间的简单对比。本文最后的demo，QueryApp工程下有文章里贴出的大部分示例代码，代码自己会说话，有时候它可能更好地表达了文章作者的思路。您可以下载对照着本文进行阅读。
一、与或非
1、与
举例：搜索contents既包含“jeffreyzhao”，又有“ 老赵”的记录：
?1
2
3
4
5
6
7
8 public static void NormalQueryParserTest(Analyzer analyzer, string field, string keyword)
{
QueryParser parser = new QueryParser(Version.LUCENE_29, field, analyzer);
Query query = parser.Parse(keyword);
ShowQueryExpression(analyzer, query, keyword);
SearchToShow(query);
Console.WriteLine();
}
调用的时候，我们构造一个搜索关键词“+jeffreyzhao +老赵”：
?1
2
3 string field = "contents";//搜索的对应字段
keyword = "+jeffreyzhao +老赵";
LuceneSearch.NormalQueryParserTest(analyzer, field, keyword);//+contents:jeffreyzhao +contents:"老 赵"
搜索结果中我们可以看到，通过加号（+）可以表达与（AND）的关系（+contents:jeffreyzhao +contents:"老 赵" ）。
特点：不同关键字越多，匹配的结果可能越少。
2、或
输入多个关键字，任何包含其中一个关键字的记录都被搜索出来：
?1
2
3 string keyword = "jeffreyzhao 老赵";//搜索输入关键词
string field = "contents";//搜索的对应字段
LuceneSearch.NormalQueryParserTest(analyzer, field, keyword); //contents:jeffreyzhao contents:"老 赵"
特点：不同关键字越多，匹配的结果可能越多。
3、非（!）
?1
2
3
4
5 keyword = "+jeffreyzhao -老赵";
LuceneSearch.NormalQueryParserTest(analyzer, field, keyword);//+contents:jeffreyzhao -contents:"老 赵"
keyword = "+jeffreyzhao !老赵";
LuceneSearch.NormalQueryParserTest(analyzer, field, keyword);//+contents:jeffreyzhao -contents:"老 赵"
上面的两种写法，转换成表达式都是+contents:jeffreyzhao -contents:"老 赵" 。
根据我们的测试结果，与或非的关系可以总结如下：
a & b=> +a +b
a || b=> a b
a!b => +a-b
这种与或非的关系，我们还可以通过BooleanQuery表达同样的搜索：
?1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17 public static void BooleanQueryTest(Analyzer analyzer, string field, string keyword, BooleanClause.Occur[] flags)
{
Console.WriteLine("====BooleanQuery====");
string[] arrKeywords = keyword.Trim().Split(new char[] { ' ', ',', '，', '、' }, StringSplitOptions.RemoveEmptyEntries);
QueryParser parser = new QueryParser(Version.LUCENE_29, field, analyzer);
BooleanQuery bq = new BooleanQuery();
int counter = 0;
foreach (string item in arrKeywords)
{
Query query = parser.Parse(item);
bq.Add(query, flags);
counter++;
}
ShowQueryExpression(analyzer, bq, keyword);
SearchToShow(bq);
Console.WriteLine();
}
其中BooleanClause.Occur（MUST：+MUST_NOT：- SHOULD：无符号）的选择至关重要：
?1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25 string field = "contents";//搜索的对应字段
IList<Analyzer> listAnalyzer =LuceneAnalyzer. BuildAnalyzers();
BooleanClause.Occur[] occurs = new BooleanClause.Occur[] { BooleanClause.Occur.MUST, BooleanClause.Occur.MUST };
foreach (Analyzer analyzer in listAnalyzer)
{
//NormalQueryTest(analyzer);
//LuceneSearch.NormalQueryParserTest(analyzer, field, keyword);//直接通过QueryParser配合构造好的查询表达式搜索
//LuceneSearch.TermQueryTest(analyzer, field, "高手");//contents:高手
LuceneSearch.BooleanQueryTest(analyzer, field, "jeffreyzhao 老赵", occurs);//+contents:jeffreyzhao +contents:"老 赵"
//LuceneSearch.RangeQueryTest(analyzer, rangeField, start, end); // createdate:createdate:[20101010 TO 20110101}
//LuceneSearch.PrefixQueryTest(analyzer, field, "hell"); // contents:hell*(可以找到hello world那一项)
//LuceneSearch.WildcardQueryTest(analyzer, field, "高手"); //contents:高手
//LuceneSearch.FuzzyQueryTest(analyzer, field, "牛"); //contents:牛~0.5
//LuceneSearch.PhraseQueryTest(analyzer, field, "hello world", 1); //contents:"hello world"~1
//LuceneSearch.MulFieldsSearchTest(analyzer, fieldArr, "博园", occurs); //+(contents:博 contents:园) +(title:博 title:园)
}
二、范围
?1
2
3
4
5
6
7
8
9
10 string rangeField = "createdate";//范围搜索对应字段
string start = "20101010";
string end = "20110101";
IList<Analyzer> listAnalyzer =LuceneAnalyzer. BuildAnalyzers();
foreach (Analyzer analyzer in listAnalyzer)
{
LuceneSearch.RangeQueryTest(analyzer, rangeField, start, end); // createdate:createdate:[20101010 TO 20110101}
}
同样道理，RangeQuery（或者TermRangeQuery）也可以实现范围搜索。
三、多字段组合搜索
搜索时，对两个或多个字段进行匹配的时候，可以用下面的方法：
?1
2
3
4
5
6
7
8
9
10 public static void MulFieldsSearchTest(Analyzer analyzer, string[] fields, string keyword, BooleanClause.Occur[] flags)
{
Console.WriteLine("====MultiFieldQueryParser====");
MultiFieldQueryParser parser = new MultiFieldQueryParser(Version.LUCENE_29, fields, analyzer);
//Query query = parser.Parse(keyword);
Query query = MultiFieldQueryParser.Parse(Version.LUCENE_29, keyword, fields, flags, analyzer);
ShowQueryExpression(analyzer, query, keyword);
SearchToShow(query);
Console.WriteLine();
}
简单调用如下：
?1
2
3
4
5
6 string[] fieldArr = new string[] { field, "title" };//两个字段
IList<Analyzer> listAnalyzer =LuceneAnalyzer. BuildAnalyzers();
foreach (Analyzer analyzer in listAnalyzer)
{
LuceneSearch.MulFieldsSearchTest(analyzer, fieldArr, "博园", occurs); //+(contents:博 contents:园) +(title:博 title:园)
}
如果我们把搜索关键字改为“博 -园”，则表达式就是“+(contents:博 -contents:园) +(title:博 -title:园)”，这也符合单个字段搜索。
注意：如你所知，与或非和范围不是搜索关系的全部。实际上，通过Lucene，你可以根据 +-!():^[]{}~*?这几种符号，合理构造出表达真实意图的复杂表达式来代替不同类型的Query。我在示例代码中做了几个针对StandardAnalyzer的简单尝试，测试结果符合预期。
我在参考网上不少文章的时候，发现很多提到的问题都没有重现，再看他们的lucene的版本都低于2.0，我大胆猜测Lucene.Net的类库已经改进了不少，一开始还以为自己的测试不到位，囧。
四、分词效果
Analyzer选择不同，搜索结果也不同，尤其是对于中文。用下面的函数可以测试分词效果：
?1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24 /// <summary>
/// 测试不同的Analyzer分词效果
/// </summary>
/// <param name="listAnalyzer"></param>
/// <param name="input"></param>
public static void TestAnalyzer(IList<Analyzer> listAnalyzer, string input)
{
foreach (Analyzer analyzer in listAnalyzer)
{
Console.WriteLine(string.Format("{0}:", analyzer.ToString()));
using (TextReader reader = new StringReader(input))
{
TokenStream stream = analyzer.ReusableTokenStream(string.Empty, reader);
Lucene.Net.Analysis.Token token = null;
while ((token = stream.Next()) != null)
{
Console.WriteLine(token.TermText());
}
}
Console.WriteLine();
}
}
不同的Analyzer，分词效果可以总结如下：
StandardAnalyzer 对中文单字拆分；
WhitespaceAnalyzer按空格拆分，对中文的支持不好；
KeywordAnalyzer 输入什么，分词就是什么；
SimpleAnalyzer 按标点和空格拆分，对中文的支持不好
StopAnalyzer 和SimpleAnalyzer类似；
选来选去，StandardAnalyzer 的效果还是很不错的，一般的应用差不多就够用了。 您可以使用不同的Analyzer，然后对比它们的搜索表达式并找出它们的不同之处。
demo下载：LuceneNetApp
===========================分割线分割线=========================
今天是2011年1月1日，照例需要追忆过往的似水流年。
过去的一年，在博客园，我自己在浅谈和总结中絮絮叨叨，表现的还算勤勉。虽然中规中矩平淡无奇，但我很满意自己这种乐此不彼保持兴趣的状态。新的一年，低头沉默却坚定，我会继续保持旺盛的学习和提高技术的热情。衷心感谢博客园的辛勤园丁和众多谦虚低调技术出众的博友们，祝你们新年好运，天天好运。
还要怀着感恩的心感谢所有关心和帮助我的人。衷心祝福我的家人和朋友们身体健康，平安幸福。感谢我的父母大人，一直支持我，以我为荣。新的一年，我要继续让我的父母以我为荣，关心我的人以我为荣，我爱的人以我为荣。
祝所有人元旦快乐。
作者：Jeff Wong
出处：http://jeffwongishandsome.cnblogs.com/
本文版权归作者和博客园共有，欢迎围观转载。转载时请您务必在文章明显位置给出原文链接，谢谢您的合作。
页:
[1]