全文檢索技術_Lucene搜索

    通過前幾篇《全文檢索技術專欄》關於倒排索引算法的原理、Lucene分詞、索引的創建等內容的介紹，Lucene中最重要也是最能體現Lucene作用的非搜索功能莫屬。Lucene對創建的索引可實現多種搜索功能（詞項查詢、多域查詢、布爾查詢、範圍查詢、模糊查詢、通配查詢），在進行搜索時，將查詢條件封裝成query對象，最終得到多個document數據。

詞項查詢

詞項查詢是最基本的查詢方式，查詢參數就是一個域中的詞語。判斷倒排索引表中是否有相關詞項，最終將document匹配集合返回。

  @Test
    public void termQuery() throws IOException {
        //指定一個文件輸出目錄
        Path path= Paths.get("d:/test/index");
        //將路徑交給FSDirectory完成路徑的管理，當路徑不存在時，由FSDirectory幫你創建
        FSDirectory fsDirectory=FSDirectory.open(path);
    
        //創建索引輸入流
        IndexReader indexReader= DirectoryReader.open(fsDirectory);
        IndexSearcher indexSearcher=new IndexSearcher(indexReader);
        
        //創建詞項查詢條件
        Term term=new Term("title","巴西");
        Query query= new TermQuery(term);
    
        //查詢
        TopDocs docs = indexSearcher.search(query, 3);
        ScoreDoc[] scoreDocs=docs.scoreDocs;
        for (ScoreDoc scoreDoc:scoreDocs){
            //獲取document對象屬性
            //documentId
            int did = scoreDoc.doc;
            Document docObj = indexSearcher.doc(did);
            System.out.println("============"+did+"============");
            System.out.println(docObj.get("title"));
            System.out.println(docObj.get("origin"));
            System.out.println(docObj.get("content"));
    
        }
    }

查詢結果：

多域查詢

在上面的詞項查詢中，我們只搜索了titile，如果想同時搜索title、origin、content中有沒有要查詢的關鍵詞，可以通過多域查詢的方式。

代碼和詞項查詢的區別不是很大，唯一不同的是構造查詢條件和構造查詢對象的方式不同：

 @Test
    public void multiQuery() throws IOException, ParseException {
        //指定一個文件輸出目錄
        Path path= Paths.get("d:/test/index");
        //將路徑交給FSDirectory完成路徑的管理，當路徑不存在時，由FSDirectory幫你創建
        FSDirectory fsDirectory=FSDirectory.open(path);
        
        //創建索引輸入流
        IndexReader indexReader= DirectoryReader.open(fsDirectory);
        IndexSearcher indexSearcher=new IndexSearcher(indexReader);
        
        //要查詢的域
        String[] files={"title","origin","content"};
        //創建多域查詢條件
        MultiFieldQueryParser parser=new MultiFieldQueryParser(files,new SmartChineseAnalyzer());
        Query query= parser.parse("巴西");
        //查詢
        TopDocs docs = indexSearcher.search(query, 3);
        ScoreDoc[] scoreDocs=docs.scoreDocs;
        for (ScoreDoc scoreDoc:scoreDocs){
            //獲取document對象屬性
            //documentId
            int did = scoreDoc.doc;
            Document docObj = indexSearcher.doc(did);
            System.out.println("============"+did+"============");
            System.out.println(docObj.get("title"));
            System.out.println(docObj.get("origin"));
            System.out.println(docObj.get("content"));
            
        }
    }

查詢結果：

布爾查詢

布爾查詢是使用最廣泛的一種查詢方式。可以組合其它所有的查詢條件。可以將任何query對象作爲布爾查詢的子條件，從而決定最終的結果。比如在京東購買手機，可以選擇品牌、價格區間、存儲大小等組合條件進行查詢。

由於前後代碼都類似，這裏只展示查詢條件的創建過程：

 //要查詢的域
  String[] files={"title","origin","content"};
    //創建多域查詢條件1
    MultiFieldQueryParser parser=new MultiFieldQueryParser(files,new SmartChineseAnalyzer());
    Query query= parser.parse("疫苗");
    //創建詞項查詢條件2
    Term term=new Term("title","中國");
    Query query2= new TermQuery(term);
    
    //封裝布爾查詢子條件
    BooleanClause bc1=new BooleanClause(query,BooleanClause.Occur.MUST);
    BooleanClause bc2=new BooleanClause(query2,BooleanClause.Occur.MUST);
    
    //封裝最終查詢條件
    Query finalQuery=new BooleanQuery.Builder().add(bc1).add(bc2).build();

代碼中，以下這兩項的意思是，查詢既滿足query又滿足query2的結果，也就是查詢query和query2的交集：

BooleanClause bc1=new BooleanClause(query,BooleanClause.Occur.MUST);
BooleanClause bc2=new BooleanClause(query2,BooleanClause.Occur.MUST);

這裏的各種組合關係，我們用圖例說明：

取得query和query2查詢子句的交集:

表示查詢結果中不能包含MUST_NOT所對應的查詢子句的檢索結果:

MUST_NOT和MUST_NOT連用，沒有任何搜索結果，查詢無意義：

除此之外，還有SHOULD，有興趣的可以繼續深入拓展。

範圍查詢

可以對域屬性中數字類型進行範圍查詢。
比如：查詢文章點擊率在10-70次的文章

 //範圍查詢 文章點擊率在10-70次的文檔
 Query rangeQuery=IntPoint.newRangeQuery("clickNum",10,70);

模糊查詢

在title域中查找和“苗”類似的詞語：

//模糊查詢
Query fuzzyQuery=new FuzzyQuery(new Term("title","苗"));

通配查詢

？代表任意一個字符。* 代表任意多個字符。

 //通配查詢
Query wquery=new WildcardQuery(new Term("content","?國"));