Lucene4.3开发之第六步之分神中期(六)
本篇要介绍的是关于过滤方面的知识，也就是Filter，如果了解Solr的朋友，肯定都会知道Solr里面fq这个参数，这个参数的作用其实就是lucene里面的过滤，对一些q参数查询的结果集，做过滤或者限制返回一些我们需要的内容，可以理解成小搜索空间的一种策略。
在这里先介绍一下查询预过滤的区别和联系，其实查询(各种Query)和过滤(各种Filter)之间非常相似，可以这样说，主要用Query能完成的事，用过滤也都可以完成，它们之间可以相互转换，最大的区别就是使用过滤返回的结果集不带评分操作，而使用Query返回的结果都是带相关性评分的，所以当我们如果有一些跟评分操作没有关系的业务，优先使用Filter操作，将会获取更好的性能，其实这也是Solr里面q参数和fq参数的区别。
下面进入正题，在这之前，先来了解lucene里面有关于Filter的整体知识。
下面，我们看下具体的在代码里怎么实现，先看下我们的测试数据
id score bookname ename type price date 1 1 飘渺之旅 pmzl 小说 52.23 201005 2 1 三国演义 sgyy 小说 36.13 201207 3 1 数据库实战 sjksz 技术 77.13 200811 4 1 编程宝典 bcbd 技术 100.3 200501 5 1 职场关系论 zcgxl 职场 36.59 200501 6 1 健康生活 jksh 生活 20.47 200008 7 1 看清本质 kqbz 社会 10.37 201004 8 1 编程,编程 bcbc 社会 10.37 201004
核心代码
//使用过滤器 最后一个为true时包含边界部分，为false时不包含边界部分
//倒数第二个为true时，包含查询边界，为false时不包含
TermRangeFilter filter=new TermRangeFilter("ename", new BytesRef("h"), new BytesRef("n"), true, true);
TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式
输出结果
6 1 健康生活 jksh 生活 20.47 200008 7 1 看清本质 kqbz 社会 10.37 201004
核心代码
NumericRangeFilter<Double> filter=NumericRangeFilter.newDoubleRange("price", 10D, 40D, true, false);
TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式
输出结果
2 1 三国演义 sgyy 小说 36.13 201207 5 1 职场关系论 zcgxl 职场 36.59 200501 6 1 健康生活 jksh 生活 20.47 200008 7 1 看清本质 kqbz 社会 10.37 201004 8 1 编程,编程 bcbc 社会 10.37 201004
核心代码
//使用缓存过滤
Filter filter=FieldCacheRangeFilter.newDoubleRange("price", 20D, 50D, true, true);
TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式
输出结果
2 1 三国演义 sgyy 小说 36.13 201207 5 1 职场关系论 zcgxl 职场 36.59 200501 6 1 健康生活 jksh 生活 20.47 200008
核心代码
// 缓存域过滤特定的类别
Filter filter=new FieldCacheTermsFilter("type", new String[]{"技术","社会"});
TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式
输出结果
3 1 数据库实战 sjksz 技术 77.13 200811 4 1 编程宝典 bcbd 技术 100.3 200501 7 1 看清本质 kqbz 社会 10.37 201004 8 1 编程,编程 bcbc 社会 10.37 201004
核心代码
//使用QueryWrapperFilter类包装一个Query
QueryWrapperFilter filter=new QueryWrapperFilter(new TermQuery(new Term("type", "技术")));
TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式
输出结果
3 1 数据库实战 sjksz 技术 77.13 200811 4 1 编程宝典 bcbd 技术 100.3 200501
如何继承Filter基类，来定制我们自己的Filter，自定义的Filter，虽然某些时候，功能很强大灵活，但是有几个缺点，我们的了解1，保证是内容不重复的字段，例如主键，如果重复，默认返回第一个作为结果集显示2，保证不能被分词的内容，如果是分词的字段，则可能会出现一些不正确的结果。
自定义Filter类
package com.sanjiesanxian.test;
import java.io.IOException;
import java.util.BitSet;
import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.apache.lucene.index.AtomicReaderContext;
import org.apache.lucene.index.DocsEnum;
import org.apache.lucene.index.Term;
import org.apache.lucene.search.DocIdSet;
import org.apache.lucene.search.Filter;
import org.apache.lucene.util.AttributeSource;
import org.apache.lucene.util.Bits;
import org.apache.lucene.util.DocIdBitSet;
import org.apache.lucene.util.FixedBitSet;
import org.apache.lucene.util.OpenBitSet;
/***
*^_^ ^_^ ^_^
* 自定义过滤器
* @author 三劫散仙
* */
public class MyCustomFilter extends Filter{
public MyCustomFilter() {
// TODO Auto-generated constructor stub
}
private String[] terms;//限制返回的数据字典
public MyCustomFilter(String ...terms) {
// TODO Auto-generated constructor stub
this.terms=terms;
}
@Override
public DocIdSet getDocIdSet(AtomicReaderContext arg0, Bits arg1)
throws IOException {
//获取没有所有的docid包括未删除的
FixedBitSet bits=new FixedBitSet(arg0.reader().maxDoc()) ;
int base=arg0.docBase;//段的相对基数，保证多个段时相对位置正确
//int limit=base+arg0.reader().maxDoc();//计算最大限制值
for(String s:terms){
//必须是唯一的不重复
DocsEnum doc=arg0.reader().termDocsEnum(new Term("id", s));
//保证是单个不重复的term,如果重复的话，默认会取第一个作为返回结果集,分词后的term也不适用自定义term
if(doc.nextDoc()!=-1){
bits.set(doc.docID());//对付符合条件约束的docid循环添加到bits里面
}
}
return bits;
}
}
测试查询代码
MyCustomFilter filter=new MyCustomFilter("3","5","2");//随意指定1之多个需要过滤的项
TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);
输出结果
2 1 三国演义 sgyy 小说 36.13 201207 3 1 数据库实战 sjksz 技术 77.13 200811 5 1 职场关系论 zcgxl 职场 36.59 200501
自定义过滤器虽然有缺点，但是某些场景下却能发挥很灵活的作用，特别是对没有分词的字段进行过滤操作。