Lucene系列六：Lucene搜索详解（Lucene搜索流程详解、搜索核心API详解、基本查询详解、QueryParser详解）
一、搜索流程详解
1. 先看一下Lucene的架构图
由图可知搜索的过程如下：
用户输入搜索的关键字、对关键字进行分词、根据分词结果去索引库里面找到对应的文章id、根据文章id找到对应的文章
2. Lucene搜索API 图示
3. Lucene搜索代码示例
先在pom.xml里面引入查询分析器模块
<!-- lucene-queryparser 查询分析器模块 --> <dependency> <groupId>org.apache.lucene</groupId> <artifactId>lucene-queryparser</artifactId> <version>7.3.0</version> </dependency>
package com.study.lucene.searchdetail; import java.io.IOException; import java.nio.file.Paths; import java.text.ParseException; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.document.Document; import org.apache.lucene.index.DirectoryReader; import org.apache.lucene.index.IndexReader; import org.apache.lucene.queryparser.classic.QueryParser; import org.apache.lucene.search.IndexSearcher; import org.apache.lucene.search.Query; import org.apache.lucene.search.ScoreDoc; import org.apache.lucene.search.TopDocs; import org.apache.lucene.store.Directory; import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /** * @Description: lucene 搜索基本流程示例 * @author liguangsheng * @date 2018年5月11日 * */ public class SearchBaseFlow { public static void main(String[] args) throws IOException, ParseException, org.apache.lucene.queryparser.classic.ParseException { // 使用的分词器 Analyzer analyzer = new IKAnalyzer4Lucene7(true); // 索引存储目录 Directory directory = FSDirectory.open(Paths.get("f:/test/indextest")); // 索引读取器 IndexReader indexReader = DirectoryReader.open(directory); // 索引搜索器 IndexSearcher indexSearcher = new IndexSearcher(indexReader); // 要搜索的字段 String filedName = "name"; // 查询生成器（解析输入生成Query查询对象） QueryParser parser = new QueryParser(filedName, analyzer); // 通过parse解析输入（分词），生成query对象 Query query = parser.parse("Thinkpad"); // 搜索，得到TopN的结果（结果中有命中总数，topN的scoreDocs（评分文档（文档id，评分））） TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 // 获得总命中数 System.out.println(topDocs.totalHits); // 遍历topN结果的scoreDocs,取出文档id对应的文档信息 for (ScoreDoc sdoc : topDocs.scoreDocs) { // 根据文档id取存储的文档 Document hitDoc = indexSearcher.doc(sdoc.doc); // 取文档的字段 System.out.println(hitDoc.get(filedName)); } // 使用完毕，关闭、释放资源 indexReader.close(); directory.close(); } }
示例代码的图解：
二、搜索核心API详解
1. IndexReader 索引读取器
Open一个读取器，读取的是该时刻点的索引视图。如果后续索引发生改变，需重新open一个读取器。获得索引读取器的方式：
DirectoryReader.open(IndexWriter indexWriter) 优先使用
DirectoryReader.open(Directory)
DirectoryReader.openIfChanged(DirectoryReader) 共享当前reader资源重新打开一个（当索引变化时）
IndexReader分为两类：
复合读取器，多个读取器的复合。只可直接用它获取stored fields 。在内部通过CompositeReader.getSequentialSubReaders 得到里面的叶子读取器来获取其他数据
叶子读取器：支持获取stored fields, doc values, terms（词项）, and postings （词项对应的文档）
DirectoryReader 是 复合读取器
IndexReader 主要API：
LeafReader 主要API：
2. IndexSearcher 索引搜索器
应用通过调用它的search(Query,int)重载方法在一个IndexReader上实现搜索。出于性能的考虑，请使用一个IndexSearcher实例，除非索引发生变化。如索引更新了则通过DirectoryReader.openIfChanged(DirectoryReader) 取得新的读取器，再创建新的搜索器。
IndexSearcher 索引搜索器 API
搜索 API：
获取文档 API：
TopDocs 搜索命中的结果集 （Top-N）
TopFieldDocs 按字段排序的搜索命中结果集
ScoreDoc
三、基本查询详解
Query 查询的表示，它的可实例化子类有
要掌握的基本查询
1、TermQuery 词项查询
最基本、最常用的查询。用来查询指定字段包含指定词项的文档。
TermQuery tq = new TermQuery(new Term(“name", “thinkpad"));
2、BooleanQuery 布尔查询
搜索的条件往往是多个的，如要查询名称包含“电脑” 或 “thinkpad”的商品，就需要两个词项查询做或合并。布尔查询就是用来组合多个子查询的。每个子查询称为布尔字句 BooleanClause，布尔字句自身也可以是组合的。 组合关系支持如下四种：
Occur.SHOULD 或
Occur.MUST 且
Occur.MUST_NOT 且非
Occur.FILTER 同 MUST，但该字句不参与评分
布尔查询默认的最大字句数为1024，在将通配符查询这样的查询rewriter为布尔查询时，往往会产生很多的字句，可能抛出TooManyClauses 异常。可通过BooleanQuery.setMaxClauseCount(int)设置最大字句数。
// 布尔查询 Query query1 = new TermQuery(new Term(filedName, "thinkpad")); Query query2 = new TermQuery(new Term("simpleIntro", "英特尔")); BooleanQuery.Builder booleanQueryBuilder = new BooleanQuery.Builder(); booleanQueryBuilder.add(query1, Occur.SHOULD); booleanQueryBuilder.add(query2, Occur.MUST); BooleanQuery booleanQuery = booleanQueryBuilder.build(); // 可像下一行这样写 // BooleanQuery booleanQuery = new BooleanQuery.Builder() // .add(query1, Occur.SHOULD).add(query2, Occur.MUST).build();
3、PhraseQuery 短语查询
最常用的查询，匹配特定序列的多个词项。PhraserQuery使用一个位置移动因子（slop）来决定任意两个词项的位置可最大移动多少个位置来进行匹配，默认为0。有两种方式来构建对象：
注意：所有加入的词项都匹配才算匹配（即使是你在同一位置加入多个词项）。如果需要在同一位置匹配多个同义词中的一个，适合用MultiPhraseQuery
PhraseQuery phraseQuery1 = new PhraseQuery("name", "thinkpad", "carbon"); PhraseQuery phraseQuery2 = new PhraseQuery(1, "name", "thinkpad", "carbon"); PhraseQuery phraseQuery3 = new PhraseQuery("name", "笔记本电脑", "联想"); PhraseQuery phraseQuery4 = new PhraseQuery.Builder() .add(new Term("name", "笔记本电脑"), 4) .add(new Term("name", "联想"), 5).build(); // 这两句等同 PhraseQuery phraseQuery5 = new PhraseQuery.Builder() .add(new Term("name", "笔记本电脑"), 0) .add(new Term("name", "联想"), 1).build();
PhraseQuery slop 移动因子说明：
String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想";
A、如果想用 “thinkpad carbon” 来匹配 name。因中间有 x1,则需要将thinkpad 向右移动1个位置。
B、如果想用 “carbon thinkpad” 来匹配 name。因中间有 x1,则需要将carbon 向右移动3个位置。
// String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想"; // PhraseQuery 短语查询 PhraseQuery phraseQuery2 = new PhraseQuery(1, "name", "thinkpad","carbon"); // slop示例 PhraseQuery phraseQuery2Slop = new PhraseQuery(3, "name", "carbon", "thinkpad"); PhraseQuery phraseQuery3 = new PhraseQuery("name", "笔记本电脑", "联想"); // slop示例 PhraseQuery phraseQuery3Slop = new PhraseQuery(2, "name", "联想","笔记本电脑");
4、MultiPhraseQuery 多重短语查询
短语查询的一种更通用的用法，支持同位置多个词的OR匹配。通过里面的Builder来构建MultiPhraseQuery：
// 4 MultiPhraseQuery 多重短语查询 Term[] terms = new Term[2]; terms[0] = new Term("name", "笔记本"); terms[1] = new Term("name", "笔记本电脑"); Term t = new Term("name", "联想"); MultiPhraseQuery multiPhraseQuery = new MultiPhraseQuery.Builder() .add(terms).add(t).build(); // 对比 PhraseQuery在同位置加入多个词 ，同位置的多个词都需匹配，所以查不出。 PhraseQuery pquery = new PhraseQuery.Builder().add(terms[0], 0) .add(terms[1], 0).add(t, 1).build();
前面4个查询的完整示例代码：
package com.study.lucene.searchdetail; import java.io.IOException; import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.document.Document; import org.apache.lucene.index.DirectoryReader; import org.apache.lucene.index.IndexReader; import org.apache.lucene.index.Term; import org.apache.lucene.queryparser.classic.ParseException; import org.apache.lucene.search.BooleanClause.Occur; import org.apache.lucene.search.BooleanQuery; import org.apache.lucene.search.IndexSearcher; import org.apache.lucene.search.MultiPhraseQuery; import org.apache.lucene.search.PhraseQuery; import org.apache.lucene.search.Query; import org.apache.lucene.search.ScoreDoc; import org.apache.lucene.search.TermQuery; import org.apache.lucene.search.TopDocs; import org.apache.lucene.store.Directory; import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /** * @Description: 搜索查询示例 * @author liguangsheng * @date 2018年5月12日 * */ public class SearchQueryDemo { public static void main(String[] args) throws IOException, ParseException { // 使用的分词器 Analyzer analyzer = new IKAnalyzer4Lucene7(true); // 索引存储目录 Directory directory = FSDirectory.open(Paths.get("f:/test/indextest")); // 索引读取器 IndexReader indexReader = DirectoryReader.open(directory); // 索引搜索器 IndexSearcher indexSearcher = new IndexSearcher(indexReader); // 要搜索的字段 String filedName = "name"; // 1、词项查询 Query query1 = new TermQuery(new Term(filedName, "thinkpad")); System.out.println("************** 词项查询 ******************"); doSearch(query1, indexSearcher); // 2、布尔查询 Query query2 = new TermQuery(new Term("simpleIntro", "英特尔")); BooleanQuery.Builder booleanQueryBuilder = new BooleanQuery.Builder(); booleanQueryBuilder.add(query1, Occur.SHOULD); booleanQueryBuilder.add(query2, Occur.MUST); BooleanQuery booleanQuery = booleanQueryBuilder.build(); // 可像下一行这样写 // BooleanQuery booleanQuery = new BooleanQuery.Builder() // .add(query1, Occur.SHOULD).add(query2, Occur.MUST).build(); System.out.println("************** 布尔查询 ******************"); doSearch(booleanQuery, indexSearcher); // 3、PhraseQuery 短语查询 // String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想"; PhraseQuery phraseQuery1 = new PhraseQuery("name", "thinkpad", "carbon"); System.out.println("************** phrase 短语查询 ******************"); doSearch(phraseQuery1, indexSearcher); PhraseQuery phraseQuery2 = new PhraseQuery(1, "name", "thinkpad", "carbon"); System.out.println("************** phrase 短语查询 ******************"); doSearch(phraseQuery2, indexSearcher); // slop示例 3表示最大可以移动的位置，移动的过程中只要匹配短语carbon thinkpad即可 PhraseQuery phraseQuery2Slop = new PhraseQuery(3, "name", "carbon", "thinkpad"); System.out.println("********** phrase slop 短语查询 ***************"); doSearch(phraseQuery2Slop, indexSearcher); PhraseQuery phraseQuery3 = new PhraseQuery("name", "笔记本电脑", "联想"); System.out.println("************** phrase 短语查询 ******************"); doSearch(phraseQuery3, indexSearcher); // slop示例 PhraseQuery phraseQuery3Slop = new PhraseQuery(2, "name", "联想", "笔记本电脑"); System.out.println("************** phrase s 短语查询 ******************"); doSearch(phraseQuery3Slop, indexSearcher); PhraseQuery phraseQuery4 = new PhraseQuery.Builder().add(new Term("name", "笔记本电脑"), 4) // 4、5是这个词的位置，和 0、1等同 .add(new Term("name", "联想"), 5).build(); System.out.println("********** phrase Builder 1 短语查询 **************"); doSearch(phraseQuery4, indexSearcher); // 等同 phraseQuery4 PhraseQuery phraseQuery5 = new PhraseQuery.Builder().add(new Term("name", "笔记本电脑"), 0) // 4、5是这个词的位置，和 0、1等同 .add(new Term("name", "联想"), 1).build(); System.out.println("*********** phrase Builder 2 短语查询 ***********"); doSearch(phraseQuery5, indexSearcher); // 4 MultiPhraseQuery 多重短语查询 Term[] terms = new Term[2]; terms[0] = new Term("name", "笔记本"); terms[1] = new Term("name", "笔记本电脑"); Term t = new Term("name", "联想"); MultiPhraseQuery multiPhraseQuery = new MultiPhraseQuery.Builder().add(terms).add(t).build(); System.out.println("************** multiPhraseQuery 短语查询 ******************"); doSearch(multiPhraseQuery, indexSearcher); // 对比 PhraseQuery在同位置加入多个词 ，同位置的多个词都需匹配，所以查不出。 PhraseQuery pquery = new PhraseQuery.Builder().add(terms[0], 0).add(terms[1], 0).add(t, 1).build(); System.out.println("************** multiPhraseQuery 对比 PhraseQuery 短语查询 ******************"); doSearch(pquery, indexSearcher); // 使用完毕，关闭、释放资源 indexReader.close(); directory.close(); } private static void doSearch(Query query, IndexSearcher indexSearcher) throws IOException { // 打印输出查询 System.out.println("query: " + query.toString()); // 搜索，得到TopN的结果（结果中有命中总数，topN的scoreDocs（评分文档（文档id，评分））） TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 "); // 获得总命中数 System.out.println("总命中数：" + topDocs.totalHits); // 遍历topN结果的scoreDocs,取出文档id对应的文档信息 for (ScoreDoc sdoc : topDocs.scoreDocs) { // 根据文档id取存储的文档 Document hitDoc = indexSearcher.doc(sdoc.doc); System.out.println("-------------- docId=" + sdoc.doc + ",score=" + sdoc.score); // 取文档的字段 System.out.println("prodId:" + hitDoc.get("prodId")); System.out.println("name:" + hitDoc.get("name")); System.out.println("simpleIntro:" + hitDoc.get("simpleIntro")); System.out.println("price:" + hitDoc.get("price")); System.out.println(); } } }
5、SpanNearQuery 临近查询（跨度查询）
用于更复杂的短语查询，可以指定词间位置的最大间隔跨度。通过组合一系列的SpanQuery 实例来进行查询，可以指定是否按顺序匹配、slop、gap。
// SpanNearQuery 临近查询 SpanTermQuery tq1 = new SpanTermQuery(new Term("name", "thinkpad")); SpanTermQuery tq2 = new SpanTermQuery(new Term("name", "carbon")); SpanNearQuery spanNearQuery = new SpanNearQuery( new SpanQuery[] { tq1, tq2 }, 1, true); // SpanNearQuery 临近查询 gap slop 使用 SpanNearQuery.Builder spanNearQueryBuilder = SpanNearQuery .newOrderedNearQuery("name"); spanNearQueryBuilder.addClause(tq1).addGap(0).setSlop(1) .addClause(tq2); SpanNearQuery spanNearQuery5 = spanNearQueryBuilder.build();
完整代码示例
package com.study.lucene.searchdetail; import java.io.IOException; import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.document.Document; import org.apache.lucene.index.DirectoryReader; import org.apache.lucene.index.IndexReader; import org.apache.lucene.index.Term; import org.apache.lucene.queryparser.classic.ParseException; import org.apache.lucene.search.IndexSearcher; import org.apache.lucene.search.Query; import org.apache.lucene.search.ScoreDoc; import org.apache.lucene.search.TopDocs; import org.apache.lucene.search.spans.SpanNearQuery; import org.apache.lucene.search.spans.SpanQuery; import org.apache.lucene.search.spans.SpanTermQuery; import org.apache.lucene.store.Directory; import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /** * @Description: SpanNearQuery 临近查询（跨度查询） * @author liguangsheng * @date 2018年5月12日 * */ public class SpanNearQueryDemo { public static void main(String[] args) throws IOException, ParseException { // 使用的分词器 Analyzer analyzer = new IKAnalyzer4Lucene7(true); // 索引存储目录 Directory directory = FSDirectory.open(Paths.get("f:/test/indextest")); // 索引读取器 IndexReader indexReader = DirectoryReader.open(directory); // 索引搜索器 IndexSearcher indexSearcher = new IndexSearcher(indexReader); // String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想"; // SpanNearQuery 临近查询 SpanTermQuery tq1 = new SpanTermQuery(new Term("name", "thinkpad")); SpanTermQuery tq2 = new SpanTermQuery(new Term("name", "carbon")); SpanNearQuery spanNearQuery = new SpanNearQuery( new SpanQuery[] { tq1, tq2 }, 1, true); System.out.println("************** SpanNearQuery 临近查询 ************"); doSearch(spanNearQuery, indexSearcher); // 下面的例子词是反序的 SpanNearQuery spanNearQuery2 = new SpanNearQuery( new SpanQuery[] { tq2, tq1 }, 1, true); System.out.println( "************** SpanNearQuery 临近查询 2 1,true************"); doSearch(spanNearQuery2, indexSearcher); SpanNearQuery spanNearQuery3 = new SpanNearQuery( new SpanQuery[] { tq2, tq1 }, 3, true); System.out.println( "************** SpanNearQuery 临近查询 3 3, true************"); doSearch(spanNearQuery3, indexSearcher); SpanNearQuery spanNearQuery4 = new SpanNearQuery( new SpanQuery[] { tq2, tq1 }, 3, false); System.out.println( "************** SpanNearQuery 临近查询 4 3, false************"); doSearch(spanNearQuery4, indexSearcher); // SpanNearQuery 临近查询 gap slop 使用 1 SpanTermQuery ctq1 = new SpanTermQuery(new Term("name", "张三")); SpanTermQuery ctq2 = new SpanTermQuery(new Term("name", "在理")); SpanNearQuery.Builder spanNearQueryBuilder = SpanNearQuery .newOrderedNearQuery("name"); spanNearQueryBuilder.addClause(ctq1).addGap(0).setSlop(2) .addClause(ctq2); System.out.println("************** SpanNearQuery 临近查询 ************"); doSearch(spanNearQueryBuilder.build(), indexSearcher); // SpanNearQuery 临近查询 gap slop 使用 2 SpanNearQuery.Builder spanNearQueryBuilder2 = SpanNearQuery .newOrderedNearQuery("name"); spanNearQueryBuilder2.addClause(ctq1).addGap(2).setSlop(0) .addClause(ctq2); System.out.println("************** SpanNearQuery 临近查询 ************"); doSearch(spanNearQueryBuilder2.build(), indexSearcher); // SpanNearQuery 临近查询 gap slop 使用 3 SpanNearQuery.Builder spanNearQueryBuilder3 = SpanNearQuery .newOrderedNearQuery("name"); spanNearQueryBuilder3.addClause(ctq1).addGap(1).setSlop(1) .addClause(ctq2); System.out.println("************** SpanNearQuery 临近查询 ************"); doSearch(spanNearQueryBuilder3.build(), indexSearcher); // 使用完毕，关闭、释放资源 indexReader.close(); directory.close(); } private static void doSearch(Query query, IndexSearcher indexSearcher) throws IOException { // 打印输出查询 System.out.println("query: " + query.toString()); // 搜索，得到TopN的结果（结果中有命中总数，topN的scoreDocs（评分文档（文档id，评分））） TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 "); // 获得总命中数 System.out.println("总命中数：" + topDocs.totalHits); // 遍历topN结果的scoreDocs,取出文档id对应的文档信息 for (ScoreDoc sdoc : topDocs.scoreDocs) { // 根据文档id取存储的文档 Document hitDoc = indexSearcher.doc(sdoc.doc); System.out.println("-------------- docId=" + sdoc.doc + ",score=" + sdoc.score); // 取文档的字段 System.out.println("prodId:" + hitDoc.get("prodId")); System.out.println("name:" + hitDoc.get("name")); System.out.println("simpleIntro:" + hitDoc.get("simpleIntro")); System.out.println("price:" + hitDoc.get("price")); System.out.println(); } } }
6、TermRangeQuery 词项范围查询
用于查询包含某个范围内的词项的文档，如以字母开头a到c的词项。词项在反向索引中是排序的，只需指定的开始词项、结束词项，就可以查询该范围的词项。 如果是做数值的范围查询则用 PointRangeQuery 。
参数说明:
第1个参数：要查询的字段-field
第2个参数:：下边界词-lowerTerm
第3个参数：上边界词-upperTerm
第4个参数：是否包含下边界-includeLower
第5个参数：是否包含上边界 includeUpper
// TermRangeQuery 词项范围查询 TermRangeQuery termRangeQuery = TermRangeQuery.newStringRange("name", "carbon", "张三", false, true);
完整示例代码
package com.study.lucene.searchdetail; import java.io.IOException; import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.document.Document; import org.apache.lucene.index.DirectoryReader; import org.apache.lucene.index.IndexReader; import org.apache.lucene.queryparser.classic.ParseException; import org.apache.lucene.search.IndexSearcher; import org.apache.lucene.search.Query; import org.apache.lucene.search.ScoreDoc; import org.apache.lucene.search.TermRangeQuery; import org.apache.lucene.search.TopDocs; import org.apache.lucene.store.Directory; import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /** * @Description: TermRangeQuery 词项范围查询 * @author liguangsheng * @date 2018年5月12日 * */ public class TermRangeQueryDemo { /** * lucene 搜索查询示例 */ public static void main(String[] args) throws IOException, ParseException { // 使用的分词器 Analyzer analyzer = new IKAnalyzer4Lucene7(true); // 索引存储目录 Directory directory = FSDirectory.open(Paths.get("f:/test/indextest")); // 索引读取器 IndexReader indexReader = DirectoryReader.open(directory); // 索引搜索器 IndexSearcher indexSearcher = new IndexSearcher(indexReader); // String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想"; // TermRangeQuery 词项范围查询 TermRangeQuery termRangeQuery = TermRangeQuery.newStringRange("name", "carbon", "张三", false, true); System.out.println("********** TermRangeQuery 词项范围查询 ***********"); doSearch(termRangeQuery, indexSearcher); // 使用完毕，关闭、释放资源 indexReader.close(); directory.close(); } private static void doSearch(Query query, IndexSearcher indexSearcher) throws IOException { // 打印输出查询 System.out.println("query: " + query.toString()); // 搜索，得到TopN的结果（结果中有命中总数，topN的scoreDocs（评分文档（文档id，评分））） TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 "); // 获得总命中数 System.out.println("总命中数：" + topDocs.totalHits); // 遍历topN结果的scoreDocs,取出文档id对应的文档信息 for (ScoreDoc sdoc : topDocs.scoreDocs) { // 根据文档id取存储的文档 Document hitDoc = indexSearcher.doc(sdoc.doc); System.out.println("-------------- docId=" + sdoc.doc + ",score=" + sdoc.score); // 取文档的字段 System.out.println("prodId:" + hitDoc.get("prodId")); System.out.println("name:" + hitDoc.get("name")); System.out.println("simpleIntro:" + hitDoc.get("simpleIntro")); System.out.println("price:" + hitDoc.get("price")); System.out.println(); } } }
7、PrefixQuery, WildcardQuery, RegexpQuery
PrefixQuery：前缀查询，查询包含以xxx为前缀的词项的文档，是通配符查询，如 app，实际是 app*
// PrefixQuery 前缀查询 PrefixQuery prefixQuery = new PrefixQuery(new Term("name", "think"));
WildcardQuery：通配符查询， *表示0个或多个字符，?表示1个字符，\是转义符。通配符查询可能会比较慢，不可以通配符开头（那样就是所有词项了）
// WildcardQuery 通配符查询 WildcardQuery wildcardQuery = new WildcardQuery( new Term("name", "think*"));
RegexpQuery：正则表达式查询，词项符合某正则表达式
// RegexpQuery 正则表达式查询 RegexpQuery regexpQuery = new RegexpQuery(new Term("name", "厉害.{4}"));
注意：这三种查询可能会比较慢，使用时谨慎
8、FuzzyQuery 模糊查询
简单地与索引词项进行相近匹配，允许最大2个不同字符。常用于拼写错误的容错：如把 “thinkpad” 拼成 “thinkppd”或 “thinkd”，使用FuzzyQuery 仍可搜索到正确的结果。
// FuzzyQuery 模糊查询 FuzzyQuery fuzzyQuery = new FuzzyQuery(new Term("name", "thind")); FuzzyQuery fuzzyQuery2 = new FuzzyQuery(new Term("name", "thinkd"), 2); FuzzyQuery fuzzyQuery3 = new FuzzyQuery(new Term("name", "thinkpaddd")); FuzzyQuery fuzzyQuery4 = new FuzzyQuery(new Term("name", "thinkdaddd"));
7和8对应查询的完整示例代码
package com.study.lucene.searchdetail; import java.io.IOException; import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.document.Document; import org.apache.lucene.index.DirectoryReader; import org.apache.lucene.index.IndexReader; import org.apache.lucene.index.Term; import org.apache.lucene.queryparser.classic.ParseException; import org.apache.lucene.search.FuzzyQuery; import org.apache.lucene.search.IndexSearcher; import org.apache.lucene.search.PrefixQuery; import org.apache.lucene.search.Query; import org.apache.lucene.search.RegexpQuery; import org.apache.lucene.search.ScoreDoc; import org.apache.lucene.search.TopDocs; import org.apache.lucene.search.WildcardQuery; import org.apache.lucene.store.Directory; import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /** * @Description: PrefixQuery前缀查询/WildcardQuery通配符查询/RegexpQuery正则表达式查询/FuzzyQuery模糊查询 * @author liguangsheng * @date 2018年5月12日 * */ public class PrefixWildcardRegexpFuzzyQueryDemo { public static void main(String[] args) throws IOException, ParseException { // 使用的分词器 Analyzer analyzer = new IKAnalyzer4Lucene7(true); // 索引存储目录 Directory directory = FSDirectory.open(Paths.get("f:/test/indextest")); // 索引读取器 IndexReader indexReader = DirectoryReader.open(directory); // 索引搜索器 IndexSearcher indexSearcher = new IndexSearcher(indexReader); // String name = "ThinkPad X1 Carbon 20KH0009CD/25CD 超极本轻薄笔记本电脑联想"; // PrefixQuery 前缀查询 PrefixQuery prefixQuery = new PrefixQuery(new Term("name", "think")); System.out.println("********** PrefixQuery 前缀查询 ***********"); doSearch(prefixQuery, indexSearcher); // WildcardQuery 通配符查询 WildcardQuery wildcardQuery = new WildcardQuery( new Term("name", "think*")); System.out.println("********** WildcardQuery 通配符 ***********"); doSearch(wildcardQuery, indexSearcher); // WildcardQuery 通配符查询 WildcardQuery wildcardQuery2 = new WildcardQuery( new Term("name", "厉害了???")); System.out.println("********** WildcardQuery 通配符 ***********"); doSearch(wildcardQuery2, indexSearcher); // RegexpQuery 正则表达式查询 RegexpQuery regexpQuery = new RegexpQuery(new Term("name", "厉害.{4}")); System.out.println("**********RegexpQuery 正则表达式查询***********"); doSearch(regexpQuery, indexSearcher); // FuzzyQuery 模糊查询 FuzzyQuery fuzzyQuery = new FuzzyQuery(new Term("name", "thind")); System.out.println("**********FuzzyQuery 模糊查询***********"); doSearch(fuzzyQuery, indexSearcher); // FuzzyQuery 模糊查询 FuzzyQuery fuzzyQuery2 = new FuzzyQuery(new Term("name", "thinkd"), 2); System.out.println("**********FuzzyQuery 模糊查询***********"); doSearch(fuzzyQuery2, indexSearcher); // FuzzyQuery 模糊查询 FuzzyQuery fuzzyQuery3 = new FuzzyQuery(new Term("name", "thinkpaddd")); System.out.println("**********FuzzyQuery 模糊查询***********"); doSearch(fuzzyQuery3, indexSearcher); // FuzzyQuery 模糊查询 FuzzyQuery fuzzyQuery4 = new FuzzyQuery(new Term("name", "thinkdaddd")); System.out.println("**********FuzzyQuery 模糊查询***********"); doSearch(fuzzyQuery4, indexSearcher); // 使用完毕，关闭、释放资源 indexReader.close(); directory.close(); } private static void doSearch(Query query, IndexSearcher indexSearcher) throws IOException { // 打印输出查询 System.out.println("query: " + query.toString()); // 搜索，得到TopN的结果（结果中有命中总数，topN的scoreDocs（评分文档（文档id，评分））） TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 "); // 获得总命中数 System.out.println("总命中数：" + topDocs.totalHits); // 遍历topN结果的scoreDocs,取出文档id对应的文档信息 for (ScoreDoc sdoc : topDocs.scoreDocs) { // 根据文档id取存储的文档 Document hitDoc = indexSearcher.doc(sdoc.doc); System.out.println("-------------- docId=" + sdoc.doc + ",score=" + sdoc.score); // 取文档的字段 System.out.println("prodId:" + hitDoc.get("prodId")); System.out.println("name:" + hitDoc.get("name")); System.out.println("simpleIntro:" + hitDoc.get("simpleIntro")); System.out.println("price:" + hitDoc.get("price")); System.out.println(); } } }
9、数值查询
前提：查询的数值字段必须索引。通过 IntPoint, LongPoint, FloatPoint, or DoublePoint 中的方法构建对应的查询。以IntPoint为例：
// 精确值查询 Query exactQuery = IntPoint.newExactQuery("price", 1999900); // 数值范围查询 Query pointRangeQuery = IntPoint.newRangeQuery("price", 499900,1000000); // 集合查询 Query setQuery = IntPoint.newSetQuery("price", 1999900, 1000000,2000000);
完整示例代码
package com.study.lucene.searchdetail; import java.io.IOException; import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.document.Document; import org.apache.lucene.document.IntPoint; import org.apache.lucene.index.DirectoryReader; import org.apache.lucene.index.IndexReader; import org.apache.lucene.queryparser.classic.ParseException; import org.apache.lucene.search.IndexSearcher; import org.apache.lucene.search.Query; import org.apache.lucene.search.ScoreDoc; import org.apache.lucene.search.TopDocs; import org.apache.lucene.store.Directory; import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /** * @Description: 数值查询 * @author liguangsheng * @date 2018年5月12日 * */ public class PointQueryDemo { public static void main(String[] args) throws IOException, ParseException { // 使用的分词器 Analyzer analyzer = new IKAnalyzer4Lucene7(true); // 索引存储目录 Directory directory = FSDirectory.open(Paths.get("f:/test/indextest")); // 索引读取器 IndexReader indexReader = DirectoryReader.open(directory); // 索引搜索器 IndexSearcher indexSearcher = new IndexSearcher(indexReader); // 精确值查询 Query exactQuery = IntPoint.newExactQuery("price", 1999900); System.out.println("********** pointRangeQuery 数值精确查询 ***********"); doSearch(exactQuery, indexSearcher); // PointRangeQuery 数值范围查询 Query pointRangeQuery = IntPoint.newRangeQuery("price", 499900, 1000000); System.out.println("********** pointRangeQuery 数值范围查询 ***********"); doSearch(pointRangeQuery, indexSearcher); // 集合查询 Query setQuery = IntPoint.newSetQuery("price", 1999900, 1000000, 2000000); System.out.println("********** pointRangeQuery 数值集合查询 ***********"); doSearch(setQuery, indexSearcher); // 使用完毕，关闭、释放资源 indexReader.close(); directory.close(); } private static void doSearch(Query query, IndexSearcher indexSearcher) throws IOException { // 打印输出查询 System.out.println("query: " + query.toString()); // 搜索，得到TopN的结果（结果中有命中总数，topN的scoreDocs（评分文档（文档id，评分））） TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 "); // 获得总命中数 System.out.println("总命中数：" + topDocs.totalHits); // 遍历topN结果的scoreDocs,取出文档id对应的文档信息 for (ScoreDoc sdoc : topDocs.scoreDocs) { // 根据文档id取存储的文档 Document hitDoc = indexSearcher.doc(sdoc.doc); System.out.println("-------------- docId=" + sdoc.doc + ",score=" + sdoc.score); // 取文档的字段 System.out.println("prodId:" + hitDoc.get("prodId")); System.out.println("name:" + hitDoc.get("name")); System.out.println("simpleIntro:" + hitDoc.get("simpleIntro")); System.out.println("price:" + hitDoc.get("price")); System.out.println(); } } }
总结：不同的查询需求只是不同字段的不同基本查询的组合
三、QueryParser详解
QueryParser 查询解析生成器
Lucene QueryPaser包中提供了两类查询解析器：
A. 传统的解析器：QueryParser和MultiFieldQueryParser
B. 基于新的 flexible 框架的解析器：StandardQueryParser
1. 用法
用法1 传统解析器-单默认字段 QueryParser：
QueryParser parser = new QueryParser("defaultFiled", analyzer); //parser.setPhraseSlop(2); Query query = parser.parse("query String");
用法2 传统解析器-多默认字段 MultiFieldQueryParser：
// 传统查询解析器-多默认字段 String[] multiDefaultFields = { "name", "type", "simpleIntro" }; MultiFieldQueryParser multiFieldQueryParser = new MultiFieldQueryParser( multiDefaultFields, analyzer); // 设置默认的组合操作，默认是 OR multiFieldQueryParser.setDefaultOperator(Operator.OR); Query query4 = multiFieldQueryParser.parse("笔记本电脑 AND price:1999900");
用法3 新解析框架的标准解析器：StandardQueryParser：
StandardQueryParser queryParserHelper = new StandardQueryParser(analyzer); // 设置默认字段 // queryParserHelper.setMultiFields(CharSequence[] fields); // queryParserHelper.setPhraseSlop(8); // Query query = queryParserHelper.parse("a AND b", "defaultField"); Query query5 = queryParserHelper.parse( "(\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 AND price:1999900","name");
以上3种用法的完整示例代码：
package com.study.lucene.searchdetail; import java.io.IOException; import java.nio.file.Paths; import org.apache.lucene.analysis.Analyzer; import org.apache.lucene.document.Document; import org.apache.lucene.document.IntPoint; import org.apache.lucene.index.DirectoryReader; import org.apache.lucene.index.IndexReader; import org.apache.lucene.queryparser.classic.MultiFieldQueryParser; import org.apache.lucene.queryparser.classic.ParseException; import org.apache.lucene.queryparser.classic.QueryParser; import org.apache.lucene.queryparser.classic.QueryParser.Operator; import org.apache.lucene.queryparser.flexible.core.QueryNodeException; import org.apache.lucene.queryparser.flexible.standard.StandardQueryParser; import org.apache.lucene.search.BooleanClause.Occur; import org.apache.lucene.search.BooleanQuery; import org.apache.lucene.search.IndexSearcher; import org.apache.lucene.search.Query; import org.apache.lucene.search.ScoreDoc; import org.apache.lucene.search.TopDocs; import org.apache.lucene.store.Directory; import org.apache.lucene.store.FSDirectory; import com.study.lucene.ikanalyzer.Integrated.IKAnalyzer4Lucene7; /** * @Description: QueryParser示例,查询解析器会对输入的查询短语进行分词 * @author liguangsheng * @date 2018年5月12日 * */ public class QueryParserDemo { public static void main(String[] args) throws IOException, ParseException, QueryNodeException { // 使用的分词器 Analyzer analyzer = new IKAnalyzer4Lucene7(true); // 索引存储目录 Directory directory = FSDirectory.open(Paths.get("f:/test/indextest")); // 索引读取器 IndexReader indexReader = DirectoryReader.open(directory); // 索引搜索器 IndexSearcher indexSearcher = new IndexSearcher(indexReader); /** * 用法1 传统解析器-单默认字段 QueryParser： */ // 要搜索的默认字段 String defaultFiledName = "name"; // 查询生成器（解析输入生成Query查询对象） QueryParser parser = new QueryParser(defaultFiledName, analyzer); // parser.setPhraseSlop(2); // 通过parse解析输入，生成query对象 Query query1 = parser.parse( "(name:\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 AND price:999900"); // 等同query1，如果没有指明要搜索的字段则使用默认值name Query query2 = parser.parse( "(\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 AND price:999900"); System.out.println("************** query1 ************"); doSearch(query1, indexSearcher); System.out.println("************** query2 ************"); doSearch(query2, indexSearcher); Query query3 = parser.parse( "(\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 AND price:[800000 TO 1000000]"); System.out.println("************** query3 ************"); doSearch(query3, indexSearcher); // 为什么query3查不出结果？？？ 该如何改 BooleanQuery bquery = new BooleanQuery.Builder() .add(parser .parse("(\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 "), Occur.MUST) .add(IntPoint.newRangeQuery("price", 800000, 1000000), Occur.MUST) .build(); System.out.println("************** bquery ************"); doSearch(bquery, indexSearcher); /** * 用法2 传统解析器-多默认字段 MultiFieldQueryParser： */ String[] multiDefaultFields = { "name", "type", "simpleIntro" }; MultiFieldQueryParser multiFieldQueryParser = new MultiFieldQueryParser( multiDefaultFields, analyzer); // 设置默认的操作 multiFieldQueryParser.setDefaultOperator(Operator.OR); Query query4 = multiFieldQueryParser.parse("笔记本电脑 AND price:1999900"); System.out.println("************** query4 ************"); doSearch(query4, indexSearcher); /** * 用法3 新解析框架的标准解析器：StandardQueryParser： */ StandardQueryParser queryParserHelper = new StandardQueryParser( analyzer); // 设置默认字段 // queryParserHelper.setMultiFields(CharSequence[] fields); // queryParserHelper.setPhraseSlop(8); // Query query = queryParserHelper.parse("a AND b", "defaultField"); Query query5 = queryParserHelper.parse( "(\"联想笔记本电脑\" OR simpleIntro:英特尔) AND type:电脑 AND price:1999900", "name"); System.out.println("************** query5 ************"); doSearch(query5, indexSearcher); // 使用完毕，关闭、释放资源 indexReader.close(); directory.close(); } private static void doSearch(Query query, IndexSearcher indexSearcher) throws IOException { // 打印输出查询 System.out.println("query: " + query.toString()); // 搜索，得到TopN的结果（结果中有命中总数，topN的scoreDocs（评分文档（文档id，评分））） TopDocs topDocs = indexSearcher.search(query, 10); // 前10条 System.out.println("**** 查询结果 "); // 获得总命中数 System.out.println("总命中数：" + topDocs.totalHits); // 遍历topN结果的scoreDocs,取出文档id对应的文档信息 for (ScoreDoc sdoc : topDocs.scoreDocs) { // 根据文档id取存储的文档 Document hitDoc = indexSearcher.doc(sdoc.doc); System.out.println("-------------- docId=" + sdoc.doc + ",score=" + sdoc.score); // 取文档的字段 System.out.println("prodId:" + hitDoc.get("prodId")); System.out.println("name:" + hitDoc.get("name")); System.out.println("simpleIntro:" + hitDoc.get("simpleIntro")); System.out.println("price:" + hitDoc.get("price")); System.out.println(); } } }
2. 使用查询解析器前需考虑三点
1. 查询字符串应是由人输入的，而不应是你编程产生。如果你为了用查询解析器，而在你的应用中编程产生查询字符串，不可取，更应该直接使用基本查询API;
2. 未分词的字段，应直接使用基本查询API加入到查询中，而不应使用查询解析器；
3. 对于普通文本字段，使用查询解析器，而其他值字段：如 时间、数值，则应使用基本查询API
3. 查询描述规则语法（查询解析语法）
3.1 Term 词项：
单个词项的表示： 电脑
短语的表示： "联想笔记本电脑"
3.2 Field 字段：
字段名:
示例： name:“联想笔记本电脑” AND type:电脑
如果name是默认字段，则可写成： “联想笔记本电脑” AND type:电脑
如果查询串是：type:电脑 计算机 手机，只有第一个是type的值，后两个则是使用默认字段，翻译为type:动脑 OR name：计算机 OR name：手机
3.3 Term Modifiers 词项修饰符：
通配符：
? 单个字符
* 0个或多个字符
示例：te?t test* te*t
注意：通配符不可用在开头。
模糊查询，词后加 ~
示例： roam~
模糊查询最大支持两个不同字符。
示例： roam~1
正则表达式： /xxxx/
示例： /[mb]oat/
临近查询，短语后加 ~移动值
示例： "jakarta apache"~10
范围查询：
mod_date:[20020101 TO 20030101] 包含边界值
title:{Aida TO Carmen} 不包含边界值
词项加权:
使该词项的相关性更高，通过 ^数值来指定加权因子，默认加权因子值是1
示例：如要搜索包含 jakarta apache 的文章，jakarta更相关，则：
jakarta^4 apache
短语也可以： "jakarta apache"^4 "Apache Lucene"
3.4 Boolean 操作符
Lucene支持的布尔操作： AND, “+”, OR, NOT ,"-"
AND：
"jakarta apache" AND "Apache Lucene"
+ 必须包含：
+jakarta lucene
OR：
"jakarta apache" jakarta = "jakarta apache" OR jakarta
NOT 非：
"jakarta apache" NOT "Apache Lucene“
注意：NOT不可单项使用： NOT “Apache Lucene“ 是不对的
- 同NOT：
"jakarta apache" -"Apache Lucene“
3.5 组合 ()
字句组合：
(jakarta OR apache) AND website
字段组合：
title:(+return +"pink panther")
3.6 转义 \
对语法字符： + - && || ! ( ) { } [ ] ^ “ ~ * ? : \ / 进行转义。
如要查询包含 (1+1):2需要转义为\(1\+1\)\:2
源码获取地址：
https://github.com/leeSmall/SearchEngineDemo
