- 自己动手写分布式搜索引擎
- 罗刚
- 526字
- 2020-11-28 15:52:49
3.3.6 短语查询
如果按字索引中文文档，则查询的时候往往要求文档中的这些字是连续出现的。使用PhraseQuery可以查询连续出现的几个关键词。PhraseQuery称为短语匹配查询，用于要求精确匹配的查询。PhraseQuery使用了词保存在索引中的位置信息，因此需要索引中的相关列已经保存了位置信息。例如按字索引，按字查询“开封”：
PhraseQuery query = new PhraseQuery();
query.add(new Term("subject", "开"));
query.add(new Term("subject", "封"));
搜索“软件工程师”时，标题为“安卓软件开发工程师”排第一位，而标题为“软件工程师”反而排在后面。词库为：“软件”“工程师”。为了解决这个问题，可以增加短语查询：
PhraseQuery query = new PhraseQuery();
query.add(new Term("subject", "软件"));
query.add(new Term("subject", "工程师"));
有时候要匹配上的词之间有间隔，匹配上的词之间的距离称为slop。默认情况下，slop的值是0，可以通过调用setSlop()方法设置这个值。例如，用户搜索“西红柿牛腩”时，会匹配上“西红柿炖牛腩”。
PhraseQuery query = new PhraseQuery();
query.setSlop(1);
query.add(new Term("subject", "西红柿"));
query.add(new Term("subject", "牛腩"));
使用PhraseQuery完整的例子：
public static void main(String[] args) throws Exception {
//在内存中建立索引
Directory directory = new RAMDirectory();
Analyzer analyzer = new StandardAnalyzer();
IndexWriterConfig iwc = new IndexWriterConfig(analyzer);
IndexWriter writer = new IndexWriter(directory, iwc);
// 索引一些文档
writer.addDocument(createDocument("1", "foo bar baz"));
writer.addDocument(createDocument("2", "red green blue"));
writer.addDocument(createDocument("3", "test foo bar test"));
writer.close();
// 查找包含foo bar这个短语的文档
String sentence = "foo bar";
IndexReader reader = IndexReader.open(directory);
// 根据IndexReader创建IndexSearcher
IndexSearcher searcher = new IndexSearcher(reader);
PhraseQuery query = new PhraseQuery();
String[] words = sentence.split(" ");
for (String word : words) {
query.add(new Term("contents", word));
}
// 显示搜索结果
TopDocs topDocs = searcher.search(query, 10);
for (ScoreDoc scoreDoc : topDocs.scoreDocs) {
Document doc = searcher.doc(scoreDoc.doc);
System.out.println(doc);
}
}
private static Document createDocument(String id, String content) {
Document doc = new Document();
doc.add(new Field("id", id, Store.YES, Index.NOT_ANALYZED));
doc.add(new Field("contents", content, Store.YES, Index.ANALYZED,
Field.TermVector.WITH_POSITIONS_OFFSETS));
return doc;
}