Lucene.NET 字符串中的模糊子字符串匹配答案

【问题标题】：Fuzzy substring matching in a string Lucene.NETLucene.NET 字符串中的模糊子字符串匹配
【发布时间】：2018-03-23 18:14:55
【问题描述】：

我刚刚安装了 Lucene.NET。

我正在进行文本搜索。我想检查一个大文本是否包含/模糊匹配一个单词/短语，比如：

例1：

文本： “我在 stackoverflow 上发布了一个关于 Lucene.NET 的问题。我会得到答案吗？”

textToSearch: "posted a question abot Lucene"

这 2 个应该是匹配的，因为 text 包含 textToSearch（除了小错字 abot -> about.

Lucene.NET 库可以做到这一点吗？

如果不支持，它是否至少支持文本中的单个单词模糊匹配？

例如：

文本：“我在 stackoverflow 上发布了一个问题”

textToSearch "stackovrlow"（拼写错误）

【问题讨论】：

标签： c# .net lucene lucene.net fuzzy-search

【解决方案1】：

是的，Lucene.Net 支持文本中的单一模糊匹配。您可以在 FuzzyQuery 的帮助下完成。

不幸的是，您只能以某种方式模仿第一个示例的行为。一种可能的解决方案是创建大的BooleanQuery，每个子句都是FuzzyQuery，但这也会导致性能不佳，因为它会丢失术语的顺序。

另一种可能性是使用SpanNearQuery，这将有助于存储位置（您可以指定所需的斜率），但不可能将 FuzzyQuery 添加为子句（您只能以某种方式尝试使用SpanRegexQuery）

【讨论】：

【解决方案2】：

Mysterion 是对的，Span Queries 可以提供帮助，但说 FuzzyQueries 不能使用是错误的。这就是SpanMultiTermQueryWrapper 的用途。像这样的：

SpanQuery query = new SpanNearQuery.Builder("myField", true).
    .addClause(new SpanMultiTermQueryWrapper(new FuzzyQuery(new Term("myField", "question"))))
    .addClause(new SpanMultiTermQueryWrapper(new FuzzyQuery(new Term("myField", "abot"))))
    .addClause(new SpanMultiTermQueryWrapper(new FuzzyQuery(new Term("myField", "lucene"))))
    .build();

顺便提一下，当手动构建查询（而不是使用查询解析器）时，您需要考虑分析，因为它们不会通过分析器运行。

【讨论】：

一般 Lucene 是对的，但不幸的是，Lucene.Net 并非如此，因为 Lucene.Net 是 java Lucene 的一个非常过时的版本
@Mysterion - 啊，你是对的，我的错。原以为最高可达 4.X，但显然是 still in beta。