java - Lucene 通过 URL 搜索

Question

我正在存储一个包含 URL 字段的文档:

Document doc = new Document();
doc.add(new Field("url", url, Field.Store.YES, Field.Index.NOT_ANALYZED));
doc.add(new Field("text", text, Field.Store.YES, Field.Index.ANALYZED));
doc.add(new Field("html", CompressionTools.compressString(html), Field.Store.YES));

我希望能够通过其 URL 找到文档，但我得到 0 个结果:

Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_30)
Query query = new QueryParser(LUCENE_VERSION, "url", analyzer).parse(url);
IndexSearcher searcher = new IndexSearcher(index, true);
TopScoreDocCollector collector = TopScoreDocCollector.create(10, true);
searcher.search(query, collector);
ScoreDoc[] hits = collector.topDocs().scoreDocs;
// Display results
for (ScoreDoc hit : hits) {
  System.out.println("FOUND A MATCH");
}
searcher.close();

我可以做些什么不同的事情来存储 HTML 文档并通过其 URL 找到它？

Answer 1

您可以将查询重写为这样的内容

Query query = new QueryParser(LUCENE_VERSION, "url", analyzer).newTermQuery(new Term("url", url)).parse(url);

建议:

我建议您使用 BooleanQuery，因为它提供了良好的性能并且在内部进行了优化。

TermQuery tq= new TermQuery(new Term("url", url));
// BooleanClauses Enum SHOULD says Use this operator for clauses that should appear in the matching documents.
BooleanQuery bq = new BooleanQuery().add(tq,BooleanClause.Occur.SHOULD);
IndexSearcher searcher = new IndexSearcher(index, true);
TopScoreDocCollector collector = TopScoreDocCollector.create(10, true);
searcher.search(query, collector);

我看到您正在使用 URL frield 作为 Not_Analysed 进行索引，这对于搜索来说是很好的 IMO，因为没有使用分析器，该值将存储为单个术语。

现在，如果您的业务案例说，我会给您一个 URL，从 Lucene 索引中找到EXACT，然后您应该使用不同的分析器(KeywordAnalyzer 等)查看您的索引