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:文 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:文 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:文 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。