2.5 Lucene查询详解

文档索引完成以后就可以对其进行搜索，当用户输入一个关键字，搜索引擎接收到后，并不是立刻就将它放入后台开始进行关键字的检索，而应当首先对这个关键字进行一定的分析和处理，使之成为一种后台可以理解的形式，只有这样，才能提高检索的效率，同时检索出更加有效的结果。

2.5.1 搜索入门

在Lucene中，处理用户输入的查询关键词其实就是构建Query对象的过程。Lucene搜索文档需要实例化一个IndexSearcher对象，IndexSearcher对象的search()方法完成搜索过程，Query对象作为search()方法的对象。搜索结果会保存在一个TopDocs类型的文档集合中，遍历TopDocs集合输出文档信息。见代码清单2-11。

            package tup.lucene.queries；
            import java.io.IOException；
            import java.nio.file.Path；
            import java.nio.file.Paths；
            import org.apache.lucene.analysis.Analyzer；
            import org.apache.lucene.document.Document；
            import org.apache.lucene.index.DirectoryReader；
            import org.apache.lucene.index.IndexReader；
            import org.apache.lucene.queryparser.classic.ParseException；
            import org.apache.lucene.queryparser.classic.QueryParser；
            import org.apache.lucene.search.IndexSearcher；
            import org.apache.lucene.search.Query；
            import org.apache.lucene.search.ScoreDoc；
            import org.apache.lucene.search.TopDocs；
            import org.apache.lucene.store.Directory；
            import org.apache.lucene.store.FSDirectory；
            import tup.lucene.ik.IKAnalyzer6x；
            public class QueryParseTest{
            public static void main（String[] args）
                throws ParseException, IOException {
                    String field = "title"；
                    Path indexPath = Paths.get（"indexdir"）；
                    Directory dir = FSDirectory.open（indexPath）；
                    IndexReader reader = DirectoryReader.open（dir）；
                    IndexSearcher searcher = new IndexSearcher（reader）；
                    Analyzer analyzer = new IKAnalyzer6x（）；
                    QueryParser parser = new QueryParser（field, analyzer）；
                    parser.setDefaultOperator（Operator.AND）；
                    Query query = parser.parse（"农村学生"）; // 查询关键词
                    System.out.println（"Query:"+query.toString（））；
                    // 返回前10条
                    TopDocs tds = searcher.search（query, 10）；
                    for（ScoreDoc sd : tds.scoreDocs）{
                        Document doc = searcher.doc（sd.doc）；
                        System.out.println（"DocID:" + sd.doc）；
                        System.out.println（"id:" + doc.get（"id"））；
                        System.out.println（"title:" + doc.get（"title"））；
                        System.out.println（"文档评分：" + sd.score）；
                    }
                    dir.close（）；
                    reader.close（）；
                }
            }

注意上面代码中的这几行代码：

        QueryParser parser = new QueryParser（field, analyzer）；
        Query query = parser.parse（"农村学生"）；
        parser.setDefaultOperator（Operator.AND）；
        TopDocs topDocs = searcher.search（query, 10）；

QueryParser实际上就是一个解析用户输入的工具，可以通过扫描用户输入的字符串生成Query对象。当使用QueryParser构建用户Query时，要搜索的field和analyzer对象作为参数传入QueryParser类，告诉QueryParser在哪个字段内查找该关键字信息以及搜索时使用什么样的分词器。这里设置要查询的字段为title字段，查询所用的分词器为IK智能分词，查询关键词为“农村学生”，关键词经过分词器分成“农村”和“学生”两个词项，title中含有这两个词项中的任何一个的文档都是本次查询的匹配文档。如果只想返回同时包含两个词项的文档，可以通过setDefaultOperator()方法把关键词理解为AND操作。

注意，在结果中打印了DocID和id，前者是文档ID，是Lucene为索引的每个文档做的标记，后者是文档内部的id字段。

运行结果如下：

        加载扩展词典：ext.dic
        加载扩展停止词典：stopword.dic
        加载扩展停止词典：ext_stopword.dic
        Query:+title：农村 +title：学生
        DocID:1
        id:2
        title：北大迎4380名新生 农村学生700多人近年最多
        文档评分：1.6022166

改变上面搜索实例的Query对象就可以实现不同种类型的搜索需求，比如多域查询、布尔查询、模糊查询、通配符查询等。

2.5.2 多域搜索（MultiFieldQueryParser）

2.4.1小节中介绍的QueryParser可以搜索单个字段，而MultiFieldQueryParser则可以查询多个字段。通过MultiFieldQueryParser对象生成Query对象的代码如下：

        String[] fields = { "title", "content" }；
        Analyzer analyzer = new IKAnalyzer6x（true）；
        MultiFieldQueryParser parser = new MultiFieldQueryParser（fields, analyzer）；
        Query multiFieldQuery = parser.parse（"日本"）；

通过IndexSearcher搜索文档和打印结果的代码和2.4.1中的一样，这里省略，给出查询结果：

        title：日本content：日本
        DocID:0
        id:1
        title：安倍晋三本周会晤特朗普 将强调日本对美国益处
        content：日本首相安倍晋三计划2月10日在华盛顿与美国总统特朗普举行会晤时提出加
                大日本在美国投资的设想
        文档评分：2.0341508

2.5.3 词项搜索（TermQuery）

TermQuery是最简单也是最常用的Query。TermQuery可以理解成为“词项搜索”，在搜索引擎中最基本的搜索就是在索引中搜索某一词条，而TermQuery就是用来完成这项工作的。在Lucene中词条是最基本的搜索单位，从本质上来讲一个词条其实就是一个key/value对。只不过这个key是字段名，而value则表示字段中所包含的某个关键字。要使用TermQuery进行搜索首先需要构造一个Term对象，示例代码如下：

        Term term = new Term（"title", "美国"）；

然后使用Term对象为参数来构造一个TermQuery对象，代码设置如下：

        Query termQuery = new TermQuery（term）；

这样所有在“title”字段中包含有“美国”的文档都会在使用TermQuery进行查询时作为符合查询条件的结果返回。同样省略IndexSearcher搜索文档和打印结果的代码，运行结果如下：

        Query:title：美国
        DocID:2
        id:3
        title：特朗普宣誓就任美国第45任总统
        文档评分：0.53872687
        DocID:0
        id:1
        title：安倍晋三本周会晤特朗普 将强调日本对美国益处
        文档评分：0.38388318

2.5.4 布尔搜索（BooleanQuery）

BooleanQuery也是实际开发过程中经常使用的一种Query查询，它其实是一个组合的Query，在使用时可以把各种Query对象添加进去并标明它们之间的逻辑关系。BooleanQuery本身来讲是一个布尔子句的容器，它提供了专门的API方法往其中添加子句，并标明它们之间的关系。下面的代码中，创建了两个TermQuery, BooleanClause对象可以指定查询的包含关系，并作为参数通过BooleanQuery.Builder()构造布尔查询。查询title字段中包含关键词“美国”并且“content”字段中不包含日本的文档，代码如下：

        Query query1 = new TermQuery（new Term（"title"，"美国"））；
        Query query2 = new TermQuery（new Term（"content"，"日本"））；
        BooleanClause bc1=new BooleanClause（query1，Occur.MUST）；
        BooleanClause bc2=new BooleanClause（query2，Occur.MUST_NOT）；
        BooleanQuery boolQuery=new BooleanQuery.Builder（）
            .add（bc1）.add（bc2）.build（）；

查询结果如下：

        Query：+title：美国 -content：日本
        DocID：2
        id：1
        title：特朗普宣誓就任美国第45任总统
        content：当地时间1月20日，唐纳德·特朗普在美国国会宣誓就职，正式成为美国第45任总统。
        文档评分：0.53872687

2.5.5 范围搜索（RangeQuery）

有时用户需要查找满足一定范围的文档，比如查找某一时间段内的所有文档，Lucene提供了RangeQuery查询来满足这种需求。

RangeQuery表示在某范围内的搜索条件，实现从一个开始词条到一个结束词条的搜索功能，在查询时“开始词条”和“结束词条”可以包含在内也可以不被包含在内。查询新闻回复条数在500条到1000条之间的有哪些，构成Query对象的代码如下：

        Query rangeQuery=IntPoint.newRangeQuery（"reply",500,1000）；

同样省略IndexSearcher搜索文档和打印结果的代码，查询结果如下：

        Query:reply:[500 TO 1000]
        DocID:0
        id:1
        title：安倍晋三本周会晤特朗普 将强调日本对美国益处
        Reply:672
        文档评分：1.0
        DocID:1
        id:2
        title：北大迎4380名新生 农村学生700多人近年最多
        Reply:995
        文档评分：1.0

2.5.6 前缀搜索（PrefixQuery）

PrefixQuery就是使用前缀来进行查找的。通常情况下，首先定义一个词条Term。该词条包含要查找的字段名以及关键字的前缀，然后通过该词条构造一个PrefixQuery对象，就可以进行前缀查找了。查询包含以“学”开头的词项的文档，构造Query对象的代码如下：

        Term term = new Term（"title", "学"）；
        Query prefixQuery = new PrefixQuery（term）；

同样省略IndexSearcher搜索文档和打印结果的代码，查询结果如下：

        Query:title：学*
        DocID:1
        id:2
        title：北大迎4380名新生 农村学生700多人近年最多
        文档评分：1.0

2.5.7 多关键字搜索（PhraseQuery）

除了普通的TermQuery外，Lucene还提供了一种Phrase查询功能。用户在搜索引擎中进行搜索时，常常查找的并非是一个简单的单词，很有可能是几个不同的关键字。这些关键字之间要么是紧密相连的，成为一个精确的短语，要么在这几个关键字之间还插有其他无关的内容。

PhraseQuery正是Lucene所提供的满足上述需求的一种Query对象。它的add方法可以让用户向其内部添加关键字，在添加完毕后，用户还可以通过setSlop()方法来设定一个称之为“坡度”的变量来确定关键字之间是否允许或允许多少个无关词汇的存在。

        PhraseQuery.Builder builder = new PhraseQuery.Builder（）；
        builder.add（new Term（"title", "日本"）, 2）；
        builder.add（new Term（"title", "美国"）, 3）；
        PhraseQuery phraseQuery = builder.build（）；
        打印phraseQuery对象：
        Query:title:"? ？日本 美国"

2.5.8 模糊搜索（FuzzyQuery）

FuzzyQuery是一种模糊查询，它可以简单地识别两个相近的词语。例如，由于拼写错误把“Trump”拼成“Trmp”或者“Tramp”，使用FuzzyQuery仍可搜索到正确的结果，代码如下：

        Term term = new Term（"title", "Tramp"）；
        FuzzyQuery fuzzyQuery = new FuzzyQuery（term）；
        Query:title:Tramp～2
        DocID:2
        id:3
        title：特朗普宣誓（Donald Trump）就任美国第45任总统
        文档评分：0.6056149

2.5.9 通配符搜索（WildcardQuery）

Lucene也提供了通配符的查询，就是使用WildcardQuery。示例如下：

        WildcardQuery wildcardQuery=new WildcardQuery（new Term（field, "学？"））；
        Query:title：学*
        DocID:1
        id:2
        title：北大迎4380名新生 农村学生700多人近年最多
        文档评分：1.0