在索引中搜索作为搜索词前缀的词，反之亦然 (!)答案

【问题标题】：Search for terms in the index which are a prefix of the search term or vice versa (!)在索引中搜索作为搜索词前缀的词，反之亦然 (!)
【发布时间】：2012-11-03 20:28:11
【问题描述】：

如果我搜索“bahnhofstrasse”，我希望 Lucene 查找包含术语“bahnhofstr”的文档，即，我不仅想查找包含我的搜索词作为前缀的术语的文档，而且还查找文档包含本身就是我的搜索词前缀的词...

我该怎么办？

【问题讨论】：

相关（但没有给你正确的答案，只是说“是的，你可以”）：stackoverflow.com/questions/10671755/…
没有看到反之亦然的部分。所以你也想打“b”？有最小长度吗？
是的，在某些情况下我也想点击“b”。想象一个只有内容“D”的字段“first_name”......

标签： java lucene

【解决方案1】：

我认为模糊查询可能对您最有帮助。这将根据与您的查询的 Levenshtein 距离对术语进行评分。如果没有指定最小相似度，它将有效地匹配每个可用的术语。这可能会使其性能不佳，但确实可以满足您的需求。

模糊查询由 ~ 字符表示，例如：

firstname:bahnhofstr~

或具有最小相似度（0 到 1 之间的数字，0 是最松散的，没有最小值）

firstname:bahnhofstr~0.4

或者，如果您正在构建自己的查询，请使用 FuzzyQuery

这与您指定的不完全一样，但却是最简单的接近方法。

就您正在寻找的内容而言，我不知道有一个简单的 Lucene 调用来完成它。我可能只是将术语拆分为一系列术语查询，您可以在查询字符串中表示如下：

firstname:b
firstname:ba
firstname:bah
firstname:bahn
firstname:bahnh
firstname:bahnho
firstname:bahnhof
firstname:bahnhofs
firstname:bahnhofst
firstname:bahnhofstr*

顺便说一句，我自己实际上不会为它生成查询字符串。我只是自己构建 TermQuery 和 PrefixQuery 对象。

评分会有点扭曲，我可能会更高地提升更长的查询以获得更好的排序，但这是我想到的方法，可以相当轻松地完成您正在寻找的内容。 DisjunctionMaxQuery 将帮助您将此类内容与其他术语一起使用并获得更合理的评分。

希望模糊查询对您有用。似乎是一个更好的解决方案。

如果您对这种性质的查询有很多需求，另一种选择可能是在索引时将字段标记为 n-gram（请参阅 NGramTokenizer），这将允许您有效地使用 NGramPhraseQuery 来达到你想要的结果。

【讨论】：

【解决方案2】：

如果我对您的理解正确，并且您的搜索字符串是一个确切的字符串，您可以在 Lucene 中设置 queryParser.setAllowLeadingWildcard(true); 以允许前导通配符搜索（这可能会或可能不会很慢 - 我已经看到它们相当快但在只有 60,000 多个 Lucene 文档的情况下）。

您的示例查询语法可能类似于：

*bahnhofstr bahnhofstr*

或者可能（没有测试过）只是：

*bahnhofstr*

【讨论】：