在 Lucene 索引中存储带撇号的单词

Question

我在 Lucene 索引中有一个公司字段。 被索引的公司名称之一是：穆迪

当用户输入以下任何关键字时，我希望这家公司出现在搜索结果中。 1.哞 2.心情 3.穆迪 4.穆迪

我应该如何在 Lucene 中存储这个索引以及我应该使用什么类型的 Lucene 查询来获得这种行为？

谢谢。

Answer 1

根据您的说明，我想将您的问题一分为二，依次回答：

1. 如何将带撇号的单词索引为等同于不带撇号的相似单词？例如将 Moodys 和 Moody's 映射到同一个索引词。
2. 如何在 Lucene 中实现自动完成搜索 - 即给定索引，使用单词前缀查找文档，例如将 Moo 映射到 Moodys ？

1 相对简单 - 使用 StandardToeknizer 创建将撇号和 s 与前一个单词组合的标记，然后使用 StandardFilter 删除撇号和 s。这会将穆迪转换为穆迪。 StandardAnalyzer 可以做到这一点以及更多（小写和停用词删除），这可能超出您的需要。使用词干分析器应该将 Moodys 和 Moody 带入同一个标记。试试SnowBallFilter。

2 更难：Alan 提到的 Lucene 的 PrefixQuery 只有在公司名称是字段中的第一个单词时才有效。你需要类似this question about auto-complete in Lucene 的答案。

Answer 2

StandardAnalyser 应该适用于 3 和 4，但不适用于 1 和 2。

如果不编写您自己的（复杂的）文本分析器，我会考虑您期望如何搜索公司名称。例如，基本的 lucene 搜索语法意味着如果您使用通配符进行搜索，您可以找到“Moody's”：“Moo*”和“Mood*”。因此，您可能需要考虑在提交到 lucene 之前将“*”附加到搜索词中，但是如果用户不知道这个通配符添加在幕后，这可能会导致一些混乱。