Lucene-2.3.1 源代码阅读学习(37)

关于MultiTermQuery查询。

这里研究继承自MultiTermQuery的WildcardQuery查询。

WildcardQuery查询,就是使用通配符进行查询,通配符可以使用“*”和“?”这两种:“*”可以代表0~N个字符串,“?”只能代表一个字符串,而且它们可以在一个词条Term的任何位置出现,从WildcardQuery的构造方法中可以看出:

public WildcardQuery(Term term) {
    super(term);
    this.termContainsWildcard = (term.text().indexOf('*') != -1) || (term.text().indexOf('?') != -1);
}

使用通配符,是在构造完词条以后进行通配,然后根据使用通配符构造的词条,再构造一个WildcardQuery实例,接着就可以用这个WildcardQuery实例进行检索了。

WildcardQuery的使用非常简单,测试也非常容易。

1、使用“*”通配符

package org.apache.lucene.shirdrn.main;

import java.io.IOException;
import java.util.Date;

import net.teamhot.lucene.ThesaurusAnalyzer;

import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.Term;
import org.apache.lucene.search.Hits;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.WildcardQuery;
import org.apache.lucene.store.LockObtainFailedException;


public class WildcardQuerySearcher {

private String path = "E:\\Lucene\\index";
private WildcardQuery wildcardQuery;

public void createIndex(){
   IndexWriter writer;
   try {
    writer = new IndexWriter(path,new ThesaurusAnalyzer(),true);
   
    Field fieldA = new Field("contents","文人",Field.Store.YES,Field.Index.TOKENIZED);
    Document docA = new Document();
    docA.add(fieldA);
   
    Field fieldB = new Field("contents","文修武偃",Field.Store.YES,Field.Index.TOKENIZED);
    Document docB = new Document();
    docB.add(fieldB);
   
    Field fieldC = new Field("contents","文东武西",Field.Store.YES,Field.Index.TOKENIZED);
    Document docC = new Document();
    docC.add(fieldC);
   
    Field fieldD = new Field("contents","不使用武力",Field.Store.YES,Field.Index.TOKENIZED);
    Document docD = new Document();
    docD.add(fieldD);
   
    Field fieldE = new Field("contents","不文不武",Field.Store.YES,Field.Index.TOKENIZED);
    Document docE = new Document();
    docE.add(fieldE);

    writer.addDocument(docA);
    writer.addDocument(docB);
    writer.addDocument(docC);
    writer.addDocument(docD);
    writer.addDocument(docE);
    writer.close();
   } catch (CorruptIndexException e) {
    e.printStackTrace();
   } catch (LockObtainFailedException e) {
    e.printStackTrace();
   } catch (IOException e) {
    e.printStackTrace();
   }
}

public void useStarMatchExample(){    // 使用“*”通配符
   Term term = new Term("contents","文*");
   wildcardQuery = new WildcardQuery(term);
}

public void useCompositeMatchExample(){
   Term term = new Term("contents","?*武*");    // 使用“*”和“?”组合的通配符
   wildcardQuery = new WildcardQuery(term);
}

public static void main(String[] args) {
   WildcardQuerySearcher wqs = new WildcardQuerySearcher();
   wqs.createIndex();
wqs.useStarMatchExample();     // 调用使用“*”通配符设置的方法
   try {
    Date startTime = new Date();
    IndexSearcher searcher = new IndexSearcher(wqs.path);
    Hits hits = searcher.search(wqs.wildcardQuery);
    System.out.println("********************************************************************");
    for(int i=0;i<hits.length();i++){
     System.out.println("Document的内部编号为 : "+hits.id(i));
     System.out.println("Document内容为 : "+hits.doc(i));
     System.out.println("Document的得分为 : "+hits.score(i));
    }
    System.out.println("********************************************************************");
    System.out.println("共检索出符合条件的Document "+hits.length()+" 个。");
    Date finishTime = new Date();
    long timeOfSearch = finishTime.getTime() - startTime.getTime();
    System.out.println("本次搜索所用的时间为 "+timeOfSearch+" ms");
   } catch (CorruptIndexException e) {
    e.printStackTrace();
   } catch (IOException e) {
    e.printStackTrace();
   }
}
}

构造 WildcardQuery是在useStarMatchExample()方法中:

public void useStarMatchExample(){    // 使用“*”通配符
   Term term = new Term("contents","文*");
   wildcardQuery = new WildcardQuery(term);
}

检索结果自己也能猜想到,如下所示:

********************************************************************
Document的内部编号为 : 0
Document内容为 : Document<stored/uncompressed,indexed,tokenized<contents: 人>>
Document的得分为 : 1.0
Document的内部编号为 : 1
Document内容为 : Document<stored/uncompressed,indexed,tokenized<contents: 修武偃>>
Document的得分为 : 1.0
Document的内部编号为 : 2
Document内容为 : Document<stored/uncompressed,indexed,tokenized<contents: 东武西>>
Document的得分为 : 1.0
********************************************************************
共检索出符合条件的Document 3 个。
本次搜索所用的时间为 313 ms

2、使用“*”和“?”组合通配符

在方法useCompositeMatchExample()中进行构造:

public void useCompositeMatchExample(){
   Term term = new Term("contents","?*武*");    // 使用“*”和“?”组合的通配符
   wildcardQuery = new WildcardQuery(term);
}

使用“*”和“?”组合的通配符进行构造Term,只要将上面测试函数中的wqs.useStarMatchExample();替换成为:

wqs.useCompositeMatchExample();

执行检索,结果可想而知:

********************************************************************
Document的内部编号为 : 1
Document内容为 : Document<stored/uncompressed,indexed,tokenized<contents:文修武偃>>
Document的得分为 : 0.9581454
Document的内部编号为 : 2
Document内容为 : Document<stored/uncompressed,indexed,tokenized<contents:文东武西>>
Document的得分为 : 0.9581454
Document的内部编号为 : 3
Document内容为 : Document<stored/uncompressed,indexed,tokenized<contents:不使用武力>>
Document的得分为 : 0.9581454
Document的内部编号为 : 4
Document内容为 : Document<stored/uncompressed,indexed,tokenized<contents:不文不武>>
Document的得分为 : 0.9581454
********************************************************************
共检索出符合条件的Document 4 个。
本次搜索所用的时间为 281 ms

简单总结

在以下的7篇文章中:

Lucene-2.2.0 源代码阅读学习(30) Lucene-2.2.0 源代码阅读学习(31) Lucene-2.2.0 源代码阅读学习(32) Lucene-2.2.0 源代码阅读学习(33) Lucene-2.2.0 源代码阅读学习(34) Lucene-2.2.0 源代码阅读学习(35) Lucene-2.2.0 源代码阅读学习(36)

以及在本文,学习了Query的一些重要的基础的实现查询的工具类,在熟练运用的基础上,综合各种查询,一定能够构造出一种非常复杂的查询,来满足实际的需求。

单独的一种Query是不可能满足用户的要求的。

你可能感兴趣的:(apache,.net,Lucene)