组合条件查询

在创建索引的时候分为了许多Field列,在查询的时候可以同时查询这些列,然后使用布尔逻辑查询将这些查询返回的结果合并。

在没有使用布尔逻辑查询之前的代码:

public void seacher(String queryString) throws IOException, ParseException {
        String field[] = { "title", "content", "author" };
        for (int i = 0; i < field.length; i++) {
            String defualtField = field[i];
            TopDocs topDocs = null;

            IndexReader reader = DirectoryReader.open(
                  FSDirectory.open(Paths.get(indexPath)));
            IndexSearcher searcher = new IndexSearcher(reader);

            Analyzer analyzer = getAnalyzer();
            //QueryParser是用来解析查询串
            QueryParser queryParser 
                = new QueryParser(defualtField, analyzer);
            Query query = queryParser.parse(queryString);
            //返回最相关的10个文档
            topDocs = searcher.search(query, 10);

            ScoreDoc[] hits = topDocs.scoreDocs;
            for (ScoreDoc hit : hits) {
                Document hitDoc = searcher.doc(hit.doc);
                System.out.println(hitDoc.get("title") 
                      + " " + hitDoc.get("url"));
            }
        }
    }

得到的结果为:

会将重复的结果也展示

改为布尔逻辑查询:

    public void seacher(String queryString) throws IOException, ParseException {
        TopDocs topDocs = null;

        IndexReader reader = DirectoryReader.open(
                     FSDirectory.open(Paths.get(indexPath)));
        IndexSearcher searcher = new IndexSearcher(reader);

        Analyzer analyzer = getAnalyzer();
        // QueryParser是用来解析查询串
        QueryParser queryParser = new QueryParser("title", analyzer);
        Query titleQuery = queryParser.parse(queryString);// 查询标题列

        queryParser = new QueryParser("content", analyzer);// 查询内容列
        Query contentQuery = queryParser.parse(queryString);

        queryParser = new QueryParser("autor", analyzer);// 查询作者列
        Query authorQuery = queryParser.parse(queryString);
        
        // 使用布尔逻辑查询
        
        BooleanQuery.Builder queryBuild=new BooleanQuery.Builder();
        queryBuild.add(titleQuery,BooleanClause.Occur.SHOULD);
        queryBuild.add(contentQuery,BooleanClause.Occur.SHOULD);
        queryBuild.add(authorQuery,BooleanClause.Occur.SHOULD);
        
        BooleanQuery query=queryBuild.build();
        // 返回最相关的10个文档
        topDocs = searcher.search(query, 10);

        ScoreDoc[] hits = topDocs.scoreDocs;
        for (ScoreDoc hit : hits) {
            Document hitDoc = searcher.doc(hit.doc);
            System.out.println(hitDoc.get("title") 
                      + " " + hitDoc.get("url"));
        }
    }
将重复的结果去掉了

在Lucene 6.1.0使用布尔逻辑查询可以先创建一个BooleanQuery.Builder对象,通过add方法将之前的创建的查询加入到该对象中,然后再调用build()方法转换为BooleanQuery 对象。

一共有4种Occur方式:

    /** Use this operator for clauses that <i>must</i> appear in the matching documents. */
    MUST     { @Override public String toString() { return "+"; } },

    /** Like {@link #MUST} except that these clauses do not participate in scoring. */
    FILTER   { @Override public String toString() { return "#"; } },

    /** Use this operator for clauses that <i>should</i> appear in the 
     * matching documents. For a BooleanQuery with no <code>MUST</code> 
     * clauses one or more <code>SHOULD</code> clauses must match a document 
     * for the BooleanQuery to match.
     * @see BooleanQuery.Builder#setMinimumNumberShouldMatch
     */
    SHOULD   { @Override public String toString() { return "";  } },

    /** Use this operator for clauses that <i>must not</i> appear in the matching documents.
     * Note that it is not possible to search for queries that only consist
     * of a <code>MUST_NOT</code> clause. These clauses do not contribute to the
     * score of documents. */
   MUST_NOT { @Override public String toString() { return "-"; } };

SHOULD是析取查询,选择出包含任何一个查询词的文档;
  MUST_NOT是否定查询,即不包括符合这个条件的文档。
  
  BooleanQuery对象还可以设置最小匹配数量,只要设置minimumNumberShouldMatch属性即可(在构造函数中设置)。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 204,189评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,577评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,857评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,703评论 1 276
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,705评论 5 366
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,620评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,995评论 3 396
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,656评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,898评论 1 298
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,639评论 2 321
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,720评论 1 330
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,395评论 4 319
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,982评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,953评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,195评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 44,907评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,472评论 2 342

推荐阅读更多精彩内容