java - 如何获取 Lucene 模糊搜索结果的匹配项?

标签 java lucene fuzzy-search

使用Lucene Fuzzy Search时如何得到匹配的模糊词及其偏移量?

    IndexSearcher mem = ....(some standard code)

    QueryParser parser = new QueryParser(Version.LUCENE_30, CONTENT_FIELD, analyzer);

    TopDocs topDocs = mem.search(parser.parse("wuzzy~"), 1);
    // the ~ triggers the fuzzy search as per "Lucene In Action" 

模糊搜索工作正常。如果文档包含术语“fuzzy”或“luzzy”,则匹配。我如何获得匹配的术语以及它们的偏移量是多少?

我已确保所有 CONTENT_FIELD 都添加了带有位置和偏移量的 termVectorStored。

最佳答案

没有直接的方法可以做到这一点,但是我重新考虑了 Jared 的建议并且能够使解决方案起作用。

我在这里记录这个以防其他人遇到同样的问题。

创建一个实现org.apache.lucene.search.highlight.Formatter的类

public class HitPositionCollector implements Formatter
{
    // MatchOffset is a simple DTO
    private List<MatchOffset> matchList;
    public HitPositionCollector(
    {
        matchList = new ArrayList<MatchOffset>();
    }

    // this ie where the term start and end offset as well as the actual term is captured
    @Override
    public String highlightTerm(String originalText, TokenGroup tokenGroup)
    {
        if (tokenGroup.getTotalScore() <= 0)
        {
        }
        else
        {
            MatchOffset mo= new MatchOffset(tokenGroup.getToken(0).toString(), tokenGroup.getStartOffset(),tokenGroup.getEndOffset());
            getMatchList().add(mo);
        }

        return originalText;
    }

    /**
    * @return the matchList
    */
    public List<MatchOffset> getMatchList()
    {
        return matchList;
    }
}

主要代码

public void testHitsWithHitPositionCollector() throws Exception
{
    System.out.println(" .... testHitsWithHitPositionCollector");
    String fuzzyStr = "bro*";

    QueryParser parser = new QueryParser(Version.LUCENE_30, "f", analyzer);
    Query fzyQry = parser.parse(fuzzyStr);
    TopDocs hits = searcher.search(fzyQry, 10);

    QueryScorer scorer = new QueryScorer(fzyQry, "f");

    HitPositionCollector myFormatter= new HitPositionCollector();

    //Highlighter(Formatter formatter, Scorer fragmentScorer)
    Highlighter highlighter = new Highlighter(myFormatter,scorer);
    highlighter.setTextFragmenter(
        new SimpleSpanFragmenter(scorer)
    );

    Analyzer analyzer2 = new SimpleAnalyzer();

    int loopIndex=0;
    //for (ScoreDoc sd : hits.scoreDocs) {
        Document doc = searcher.doc( hits.scoreDocs[0].doc);
        String title = doc.get("f");

        TokenStream stream = TokenSources.getAnyTokenStream(searcher.getIndexReader(),
                                    hits.scoreDocs[0].doc,
                                    "f",
                                    doc,
                                    analyzer2);

        String fragment = highlighter.getBestFragment(stream, title);

        System.out.println(fragment);
        assertEquals("the quick brown fox jumps over the lazy dog", fragment);
        MatchOffset mo= myFormatter.getMatchList().get(loopIndex++);

        assertTrue(mo.getEndPos()==15);
        assertTrue(mo.getStartPos()==10);
        assertTrue(mo.getToken().equals("brown"));
}

关于java - 如何获取 Lucene 模糊搜索结果的匹配项?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/5874278/

相关文章:

搜索查询以在禁用 _source 的情况下在 elasticsearch 中检索嵌套文档

solr dismax识别短语匹配

elasticsearch - 在Elasticsearch中,有什么方法可以增加模糊查询的最大模糊度吗?

elasticsearch - Elasticsearch 模糊查询的结果低于预期

java - Azure上传了jar但不运行它(Spring boot)

lucene - 如何查询lucene的空字段?

java - 位图工厂给出空位图

elasticsearch - Elasticsearch模糊查询忽略提升因素?

java - 在 JSTL 中接受对象

java - @Provides 的书写顺序重要吗?