我想使用 Lucene(特别是 Lucene.NET)来搜索电子邮件地址域。
例如。我想搜索“@gmail.com”以查找发送到 Gmail 地址的所有电子邮件。
对“*@gmail.com”运行 Lucene 查询会导致错误,星号不能位于查询的开头。运行对“@gmail.com”的查询不会返回任何匹配项,因为“foo@gmail.com”被视为一个完整的词,您不能只搜索词的一部分。
我怎样才能做到这一点?
最佳答案
没有人给出满意的答案,所以我们开始浏览 Lucene 文档并发现我们可以使用自定义分析器和标记器来实现这一点。
答案是这样的:创建一个 WhitespaceAndAtSymbolTokenizer 和一个 WhitespaceAndAtSymbolAnalyzer,然后使用这个分析器重新创建你的索引。执行此操作后,搜索“@gmail.com”将返回所有 gmail 地址,因为由于我们刚刚创建的 Tokenizer,它被视为一个单独的词。
这是源代码,它实际上很简单:
class WhitespaceAndAtSymbolTokenizer : CharTokenizer
{
public WhitespaceAndAtSymbolTokenizer(TextReader input)
: base(input)
{
}
protected override bool IsTokenChar(char c)
{
// Make whitespace characters and the @ symbol be indicators of new words.
return !(char.IsWhiteSpace(c) || c == '@');
}
}
internal class WhitespaceAndAtSymbolAnalyzer : Analyzer
{
public override TokenStream TokenStream(string fieldName, TextReader reader)
{
return new WhitespaceAndAtSymbolTokenizer(reader);
}
}
就是这样!现在您只需要重建索引并使用这个新的分析器进行所有搜索。例如,要将文档写入索引:
IndexWriter index = new IndexWriter(indexDirectory, new WhitespaceAndAtSymbolAnalyzer());
index.AddDocument(myDocument);
执行搜索也应该使用分析器:
IndexSearcher searcher = new IndexSearcher(indexDirectory);
Query query = new QueryParser("TheFieldNameToSearch", new WhitespaceAndAtSymbolAnalyzer()).Parse("@gmail.com");
Hits hits = query.Search(query);
关于.net - 使用 Lucene 搜索电子邮件地址,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19014/