lucene 查询在一个字段中模糊而在另一个字段中准确

Question

问题：

如何在 lucene 4.5 中将一个字段中的完全匹配和另一个字段中的模糊搜索结合起来？

问题：

我已在 lucene 索引中索引了 NGA Geonames 地名词典。我需要模糊查询一个字段（地名），但将查询限制为具有特定国家代码的记录。这是我正在运行的示例查询
我没有使用 SOLR，我已经做了很多研究和反复试验，但我没有明确的答案，可能是我速度慢。

FULL_NAME_ND_RO:india AND CC1:in 

我想要在印度进行模糊搜索，但我只想要与“in”（国家代码）完全匹配的记录

Here is what I've tried:
1. Index every field as a textfield and boost the country code field using ^N. Still returns different country codes, and the one boosted does not always come first...
2. Index every field as text EXCEPT the country code, which I indexed as StringField. This way I get no results at all.

这里是 Gaz 的索引代码：

public void index(File outputIndexDir, File gazateerInputData, GazType type) throws Exception {
    if (!outputIndexDir.isDirectory()) {
      throw new IllegalArgumentException("outputIndexDir must be a directory.");
    }

    String indexloc = outputIndexDir + type.toString();
    Directory index = new MMapDirectory(new File(indexloc));

    Analyzer a = new StandardAnalyzer(Version.LUCENE_45);
    IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_45, a);

    IndexWriter w = new IndexWriter(index, config);

    readFile(gazateerInputData, w, type);
    w.commit();
    w.close();

  }

  public void readFile(File gazateerInputData, IndexWriter w, GazType type) throws Exception {
    BufferedReader reader = new BufferedReader(new FileReader(gazateerInputData));
    List<String> fields = new ArrayList<String>();
    int counter = 0;
    // int langCodeIndex = 0;
    System.out.println("reading gazateer data from file...........");
    while (reader.read() != -1) {
      String line = reader.readLine();
      String[] values = line.split(type.getSeparator());
      if (counter == 0) {
        for (String columnName : values) {
          fields.add(columnName.replace("»¿", "").trim());
        }

      } else {
        Document doc = new Document();
        for (int i = 0; i < fields.size() - 1; i++) {
          if (fields.get(i).equals("CC1")) {
            doc.add(new StringField(fields.get(i), values[i], Field.Store.YES));
          } else {
            doc.add(new TextField(fields.get(i), values[i], Field.Store.YES));
          }
        }

        w.addDocument(doc);

      }
      counter++;
      if (counter % 10000 == 0) {
        w.commit();
        System.out.println(counter + " .........committed to index..............");
      }

    }
    w.commit();
    System.out.println("Completed indexing gaz! index name is: " + type.toString());
  }

这是运行查询的代码

QueryParser parser = new QueryParser(Version.LUCENE_45, luceneQueryString, geonamesAnalyzer);
  Query q = parser.parse(luceneQueryString);

  TopDocs search = geonamesSearcher.search(q, rowsReturned);

geonamesAnalyzer 是一个 StandardAnalyzer....luceneQueryString 就像上面的查询。

任何建议都会很棒。

Answer 1

最简单的答案似乎是使用the appropriate query syntax 运行模糊查询，例如：

 FULL_NAME_ND_RO:india~ AND CC1:in

但是，如果您需要以不同的方式分析每个字段，您可以使用 PerFieldAnalyzerWrapper

---

基于以下cmets：

StandardAnalyzer 中设置的默认停用词包括单词“in”，因此搜索词完全从查询中删除。可以通过appropriate StandardAnalyzer constructor 覆盖停用词集：

StandardAnalyzer(Version.LUCENE_45, new CharArraySet(Version.LUCENE_45, 0, true));

由于 CC1 字段是一个 StringField（因此，在索引时不进行分析），因此确保在查询时也不对其进行分析可能是有意义的。虽然上述解决了停用词问题，但您可能还会遇到与案例相关或标记化问题，例如。 KeywordAnalyzer 通常适用于未分析的字段。可以将PerFieldAnalyzerWrapper 传递给查询解析器，以将不同的分析规则应用于不同的字段。

类似：

Map<String,Analyzer> analyzerPerField = new HashMap<String,Analyzer>();
analyzerPerField.put("CC1", new KeywordAnalyzer());

PerFieldAnalyzerWrapper aWrapper =
  new PerFieldAnalyzerWrapper(geonamesAnalyzer, analyzerPerField);

QueryParser parser = new QueryParser(Version.LUCENE_45, defaultField, aWrapper);