java - 计算文档字段中正则表达式查询匹配的数量

Question

使用 Lucene，我可以弄清楚如何创建文档、将值放入相关字段中，然后继续使用搜索器在索引文档中搜索匹配项。

但是，我现在更关心每个文档的特定字段中的匹配数。只要知道存在匹配就可以了，但我想知道在该字段中找到该模式的次数。

示例。

Document doc = new Document();
doc.add(new Field("TNAME", "table_one", Field.Store.YES, Field.Index.NOT_ANALYZED));
doc.add(new Field("CNAME", "column_one", Field.Store.YES, Field.Index.NOT_ANALYZED));
doc.add(new Field("DATA", "This would be the data found in this particular field of a single document", Field.Store.NO, Field.Index.ANALYZED));

如果我想执行文档搜索，查询“DATA”字段以计算出满足 ^d.* 模式的次数，我该怎么做？ (给出上述文档的结果2)。

Answer 1

找到简单答案:

IndexSearcher searcher = new IndexSearcher(directory);
    IndexReader reader = searcher.getIndexReader();
    RegexTermEnum regexTermEnum = new RegexTermEnum(reader, new Term(
            "field", "d.*"), new JavaUtilRegexCapabilities());

    do {
        System.out.println("Next:");
        System.out.println("\tDoc Freq: " + regexTermEnum.docFreq());
        if (regexTermEnum.term() != null) {             
            System.out.println("\t"+regexTermEnum.term());
            TermDocs td = reader.termDocs(regexTermEnum.term());
            while(td.next()){
                System.out.println("Found "+ td.freq()+" matches in document " + reader.document(td.doc()).get("name"));
            }
        }
    } while (regexTermEnum.next());
    System.out.println("End.");