设为首页 收藏本站
查看: 924|回复: 0

[经验分享] Solr、lucene查询语句作或查询时的注意点

[复制链接]

尚未签到

发表于 2016-12-17 06:52:24 | 显示全部楼层 |阅读模式
在使用lucene做搜索引擎时,中文的查询是值得注意的一点。其中有一些问题需要尤其注意:
首先推荐在lucene方面的牛人的博客:http://forfuture1978.iyunv.com/blog/588716,这里有关于查询的一些疑惑,在此不再做介绍。另:他的其他关于lucene的文章,也强烈推荐。
在查询方面,与的查询,基本不会有太大问题,中文分词工具分好词后,所有的term都会变为PhraseQuery的方式,依次对查询条件进行查询。
如果用户输入的查询条件,想到的是或的关系,或者因为需求方面的问题,希望返回更多的数据给用户,则都需要使用或的关系。
1. autoGeneratePhraseQueries=false
由于lucene默认是使用PhraseQuery来检索数据,那我们的需求就不满足了,这里需要做一个简单的修改,在schema.xml中:

<fieldType name="text" class="solr.TextField" positionIncrementGap="100" autoGeneratePhraseQueries="false">

其中autoGeneratePhraseQueries为true时,为精确查找,即AND的关系,改为false即可。此时,Query的实现类变为BooleanQuery,多个term变为SHOULD的关系,便实现了OR的需求。
下面来看一下源代码:
QueryParse.term(String)的部分代码为
if (wildcard) {
q = getWildcardQuery(field, termImage);
} else if (prefix) {
q = getPrefixQuery(field,
discardEscapeChar(term.image.substring
(0, term.image.length()-1)));
} else if (fuzzy) {
float fms = fuzzyMinSim;
try {
fms = Float.valueOf(fuzzySlop.image.substring(1)).floatValue();
} catch (Exception ignored) { }
if(fms < 0.0f || fms > 1.0f){
{if (true) throw new ParseException("Minimum similarity for a FuzzyQuery has to be between 0.0f and 1.0f !");}
}
q = getFuzzyQuery(field, termImage,fms);
} else {
q = hasNewAPI ? getFieldQuery(field, termImage, false) : getFieldQuery(field, termImage);
}


注意
q = hasNewAPI ? getFieldQuery(field, termImage, false) : getFieldQuery(field, termImage);
这一句中,hasNewAPI =true(3.1版本中为静态变量),则进入getFieldQuery(field, termImage, false)中:

if (numTokens == 0)
return null;
else if (numTokens == 1) {
....
else {
if (severalTokensAtSamePosition || (!quoted && !autoGeneratePhraseQueries)) {
BooleanQuery q = newBooleanQuery(positionCount == 1);
}else{
PhraseQuery pq = newPhraseQuery();
}
}

这里可以看到,如果autoGeneratePhraseQueries为false,才能创建BooleanQuery对象,否则就为PhraseQuery
2. 禁用"?*~等一些特殊字符
在term()的代码中,如果使用字符"*?~则会进入下面的伪代码中:

case PREFIXTERM:
q = getPrefixQuery(field,
discardEscapeChar(term.image.substring
(0, term.image.length()-1)));
case WILDTERM:
term = jj_consume_token(WILDTERM);
wildcard=true;
case QUOTED:
q = getFieldQuery(field, discardEscapeChar
(term.image.substring(1, term.image.length()-1)), s);
case FUZZY_SLOP:
q = getFuzzyQuery(field, termImage,fms);

他们最终产生的对象,都不会是BooleanQuery。这样的情况下,导致这些分支都进入不到
q = hasNewAPI ? getFieldQuery(field, termImage, false) : getFieldQuery(field, termImage);中,这样一来,所有的处理都变成以AND为前提的处理 DSC0000.gif
3. 思考
怎么处理这样的问题呢?目前正在探索中,暂时考虑到的方式就是在客户端先作一次预处理,将不符合OR场景的情况都处理成OR的情况,然后再交给lucene去处理。当然,这个方案有个很明显的问题,即分词模块都要集成到客户端,造成很大的冗余。
有什么好的方法吗?欢迎提出 DSC0001.gif

运维网声明 1、欢迎大家加入本站运维交流群:群②:261659950 群⑤:202807635 群⑦870801961 群⑧679858003
2、本站所有主题由该帖子作者发表,该帖子作者与运维网享有帖子相关版权
3、所有作品的著作权均归原作者享有,请您和我们一样尊重他人的著作权等合法权益。如果您对作品感到满意,请购买正版
4、禁止制作、复制、发布和传播具有反动、淫秽、色情、暴力、凶杀等内容的信息,一经发现立即删除。若您因此触犯法律,一切后果自负,我们对此不承担任何责任
5、所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其内容的准确性、可靠性、正当性、安全性、合法性等负责,亦不承担任何法律责任
6、所有作品仅供您个人学习、研究或欣赏,不得用于商业或者其他用途,否则,一切后果均由您自己承担,我们对此不承担任何法律责任
7、如涉及侵犯版权等问题,请您及时通知我们,我们将立即采取措施予以解决
8、联系人Email:admin@iyunv.com 网址:www.yunweiku.com

所有资源均系网友上传或者通过网络收集,我们仅提供一个展示、介绍、观摩学习的平台,我们不对其承担任何法律责任,如涉及侵犯版权等问题,请您及时通知我们,我们将立即处理,联系人Email:kefu@iyunv.com,QQ:1061981298 本贴地址:https://www.yunweiku.com/thread-315213-1-1.html 上篇帖子: Solr 实现 autocomplete 下篇帖子: solr web配置时与tomcat7.0 某些jar包冲突
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

扫码加入运维网微信交流群X

扫码加入运维网微信交流群

扫描二维码加入运维网微信交流群,最新一手资源尽在官方微信交流群!快快加入我们吧...

扫描微信二维码查看详情

客服E-mail:kefu@iyunv.com 客服QQ:1061981298


QQ群⑦:运维网交流群⑦ QQ群⑧:运维网交流群⑧ k8s群:运维网kubernetes交流群


提醒:禁止发布任何违反国家法律、法规的言论与图片等内容;本站内容均来自个人观点与网络等信息,非本站认同之观点.


本站大部分资源是网友从网上搜集分享而来,其版权均归原作者及其网站所有,我们尊重他人的合法权益,如有内容侵犯您的合法权益,请及时与我们联系进行核实删除!



合作伙伴: 青云cloud

快速回复 返回顶部 返回列表