正文

Lucene的多域查询、结果中查询、查询结果分页、高亮查询结果和结果评分

IP云
IP云V管理员/0 阅读
09/22
小程序：扫一扫查出行
【扫一扫了解最新限行尾号】
复制小程序

1.针对多个域的一次性查询

1.1.三种方案

    使用lucene构造搜索引擎的时候，如果要针对多个域进行一次性查询，一般来说有三种方法：
    第一种实现方法是创建多值的全包含域的文本进行索引，这个方案最简单。但是这个防范有个缺点：你不能直接对每个域的加权进行控制。
    第二种方法是使用MultiFieldQueryParser，它是QueryParser的子类，它会在后台程序中实例化一个QueryParser对象，用来针对每个域进行查询表达式的解析，然后使用BooleanQuery将查询结果合并起来。当程序向BooleanQuery添加查询子句时，默认操作符OR被用于最简单的解析方法中。为了实现更好的控制，布尔操作符可以使用BooleanClause的常量指定给每个域。如果需要指定的话可以使用BooleanClause.Occur.MUST，如果禁止指定可以使用BooleanClause.Occur.MUST_NOT，或者普通情况为BooleanClause.Occur.SHOULD。下面的程序展示的是如何创建MultiFieldQueryParser类的方法：
[java] view plaincopy
  1. // 在这四个域中检索
  2. String[] fields = { "phoneType", "name", "category", "price" };
  3. Query query = new MultiFieldQueryParser(Version.LUCENE_36, fields, analyzer).parse(keyword);

第三种方法就是使用高级DisjunctionMaxQuery类，它会封装一个或者多个任意的查询，将匹配的文档进行OR操作。

1.2.方案选择

    以上三种方案中，并不是第三种方案最好，也不是第一种方案就最差。哪种实现方式更适合你的应用程序呢？答案是“看情况”，因为这里存在一些取舍。全包含域是一个简单的解决方案——但这个方案只能对搜索结果进行简单的排序并且可能浪费磁盘空间（程序可能对同样的文本索引两次），但这个方案可能会获得最好的搜索性能。
    MultiFieldQueryParser生成的BooleanQuery会计算所有查询所匹配的文档评分的总和（DisjunctionMaxQuery则只选取最大评分），然后它能够实现针对每个域的加权。你必须对以上3中解决方案都进行测试，同时需要一起考虑搜索性能和搜索相关性，然后再找出最佳方案。
 

2.在结果中查询

2.1.两种方案

    在检索结果中再次进行检索，是一个很常见的需求，一般有两种方案可以选择：
    ①使用QueryFilter把第一个查询当作一个过滤器处理；
    ②用BooleanQuery把前后两个查询结合起来，并且使用BooleanClause.Occur.MUST。
    针对第一种方法，我需要解释一下。QueryFilter在Lucene的2.x版本中是存在的，但是在3.x中，lucene的API中这个类已经被废弃了，无法再找到。如果你的项目使用的是lucene是3.x，但是你又一定要使用QueryFilter，那么你必须自己创建一个QueryFilter类，然后将2.x中QueryFilter的源代码复制过来。你可能会说，直接在工程中同时使用lucene2.x和3.x的核心jar文件不就行了吗。但遗憾的是，一个工程下，是不能同时使用不同版本的lucene的。

2.2.QueryFilter方案

上文已经说了，如果一定要使用QueryFilter，由于lucene2.x中没有QueryFilter的API，所以自己要写一个QueryFilter，QueryFilter的源代码在lucene2.x中是这样的：
[java] view plaincopy
  1. import org.apache.lucene.search.CachingWrapperFilter;
  2. import org.apache.lucene.search.Query;
  3. import org.apache.lucene.search.QueryWrapperFilter;
  4. public class QueryFilter extends CachingWrapperFilter {
  5. /**
  6. * Constructs a filter which only matches documents matching
  7. * <code>query</code>.
  8. */
  9. public QueryFilter(Query query) {
  10. super(new QueryWrapperFilter(query));
  11. }
  12. public boolean equals(Object o) {
  13. return super.equals((QueryFilter) o);
  14. }
  15. public int hashCode() {
  16. return super.hashCode() ^ 0x923F64B9;
  17. }
  18. }
第一种方案的例子程序如下：
[java] view plaincopy
  1. //简单实现对keyword的搜索
  2. public static void search(String keyword) throws IOException, ParseException {
  3. QueryParser queryParser = new QueryParser("content",new SimpleAnalyzer());
  4. Query query = queryParser.parse(keyword.trim());
  5. QueryFilter filter = new QueryFilter(query);
  6. //检索
  7. search(query, filter);
  8. }
  9. //在搜索oldKeyword的结果集中搜索newKeyword
  10. public static void searchInResult(String newKeyword, String oldKeyword) throws ParseException, IOException {
  11. QueryParser queryParser = new QueryParser("content",new SimpleAnalyzer());
  12. Query query = queryParser.parse(newKeyword.trim());
  13. Query oldQuery = queryParser.parse(oldKeyword.trim());
  14. QueryFilter oldFilter = new QueryFilter(oldQuery);
  15. CachingWrapperFilter filter = new CachingWrapperFilter(oldFilter);
  16. //检索
  17. search(query, filter);
  18. }
  19. private static void search(Query query, Filter filter) throws IOException, ParseException {
  20. IndexSearcher ins = new IndexSearcher("d:/tesindex");
  21. Hits hits = ins.search(query, filter);
  22. for (int i = 0; i < hits.length(); i++) {
  23. Document doc = hits.doc(i);
  24. System.out.println(doc.get("content"));
  25. }
  26. }

2.3.BooleanQuery方案

    使用BooleanQuery来实现在结果中检索的过程是这样的，首先通过关键字keyword1正常检索，当用户需要在检索结果中再通过关键字keyword2检索的时候，通过构建BooleanQuery，来实现对在结果中检索的效果。这里要注意，这两个关键字都要使用BooleanClause.Occur.MUST。
[java] view plaincopy
  1. //创建BooleanQuery
  2. BooleanQuery booleanQuery = new BooleanQuery();
  3. //多域检索，在这四个域中检索
  4. String[] fields = { "phoneType", "name", "category","free" };
  5. Query multiFieldQuery = new MultiFieldQueryParser(Version.LUCENE_36, fields, analyzer).parse(keyword);
  6. //将multiFieldQuery添加到BooleanQuery中
  7. booleanQuery.add(multiFieldQuery, BooleanClause.Occur.MUST);
  8. //如果osKeyword不为空
  9. if(osKeyword != null && !osKeyword.equals("") && !osKeyword.equals("null")){
  10. TermQuery osQuery = new TermQuery(new Term("phoneType",osKeyword));
  11. //将osQuery添加到BooleanQuery中
  12. booleanQuery.add(osQuery, BooleanClause.Occur.MUST);
  13. }

3.检索结果分页

3.1.两种方案

    通过关键字的检索，当lucene返回多条记录的时候，往往一个页面是无法容纳所有检索结果的，这自然而然就该分页了。我这里给出两种方案，这两种方法我都是用过。
    第一种方法，就是讲检索结果全部封装在一个Collection中，例如List中，将这个结果传到前台，如jsp页面。然后在这个list中进行分页显示；
    第二种方法，是使用lucene自带的分页工具public TopDocs topDocs(int start,int howMany)。
    我认为，第一种方法不涉及二次查询，这样的话就避免了在查询上的浪费。但是当检索的结果数据量很大，这样一次性传输这么多数据到客户端，而用户检索后得到的结果往往只会查看第一页的内容，很少去查看第二页、第三页以及后面的内容，所以一次性将全部结果传到前台，这样的浪费是很大的。
    第二种方法，虽然每次翻页都意味着一次查询，表面上浪费了资源，但是由于lucene的高效，这样的浪费对整个系统的影响是微乎其微的，但是这个方法避免了方法一中的缺陷。

3.2.分页实现

[java] view plaincopy
  1. /**
  2. * 对搜索返回的前n条结果进行分页显示
  3. * @param keyWord       查询关键词
  4. * @param pageSize      每页显示记录数
  5. * @param currentPage   当前页
  6. */
  7. public void paginationQuery(String keyWord,int pageSize,int currentPage) throws ParseException, CorruptIndexException, IOException {
  8. String[] fields = {"title","content"};
  9. QueryParser queryParser = new MultiFieldQueryParser(Version.LUCENE_36,fields,analyzer);
  10. Query query = queryParser.parse(keyWord);
  11. IndexReader indexReader  = IndexReader.open(directory);
  12. IndexSearcher indexSearcher = new IndexSearcher(indexReader);
  13. //TopDocs 搜索返回的结果
  14. TopDocs topDocs = indexSearcher.search(query, 100);//只返回前100条记录
  15. int totalCount = topDocs.totalHits; // 搜索结果总数量
  16. ScoreDoc[] scoreDocs = topDocs.scoreDocs; // 搜索返回的结果集合
  17. //查询起始记录位置
  18. int begin = pageSize * (currentPage - 1) ;
  19. //查询终止记录位置
  20. int end = Math.min(begin + pageSize, scoreDocs.length);
  21. //进行分页查询
  22. for(int i=begin;i<end;i++) {
  23. int docID = scoreDocs[i].doc;
  24. Document doc = indexSearcher.doc(docID);
  25. int id = NumericUtils.prefixCodedToInt(doc.get("id"));
  26. String title = doc.get("title");
  27. System.out.println("id is : "+id);
  28. System.out.println("title is : "+title);
  29. }
  30. }

4.高亮检索结果

    针对检索结果的高亮实现方法，在lucene中提供了响应的工具，这里使用lucene-highlighter-3.6.2.jar来实现对检索结果的高亮显示。
[java] view plaincopy
  1. public void search(String fieldName, String keyword)throws CorruptIndexException, IOException, ParseException {
  2. searcher = new IndexSearcher(indexPath);
  3. QueryParser queryParse = new QueryParser(fieldName, analyzer); // 构造QueryParser，解析用户输入的检索关键字
  4. Query query = queryParse.parse(keyword);
  5. Hits hits = searcher.search(query);
  6. for (int i = 0; i < hits.length(); i++) {
  7. Document doc = hits.doc(i);
  8. String text = doc.get(fieldName);
  9. SimpleHTMLFormatter simpleHTMLFormatter = new SimpleHTMLFormatter("<font color='red'>", "</font>");
  10. Highlighter highlighter = new Highlighter(simpleHTMLFormatter, new QueryScorer(query));
  11. highlighter.setTextFragmenter(new SimpleFragmenter(text.length()));
  12. if (text != null) {
  13. TokenStream tokenStream = analyzer.tokenStream(fieldName,new StringReader(text));
  14. String highLightText = highlighter.getBestFragment(tokenStream,text);
  15. System.out.println("高亮显示第 " + (i + 1) + " 条检索结果如下所示：");
  16. System.out.println(highLightText);
  17. }
  18. }
  19. searcher.close();
  20. }

上文的一行判断语句很重要：if(text != null)，如果text为空，那么显示结果不但没有被高亮，而且得到的原始结果也会被过滤。可以再代码中加上，如果text==null，则让将原始检索结果赋给text，从而将结果显示出来。

 

5.检索结果的评分

    lucene的评分是有一套自己的机制的，输入某一个关键字，lucene会对命中的记录进行评分，默认情况下，分数越高的结果会排在结果的越前面。如果在创建索引的时候，没有对某个域进行加权，那么默认分数的上限是5分，如果有对域做加权，检索结果的评分可能会出现大于5分的情况。
    我们可以使用explain()来看看lucene对检索结果的评分情况：
[java] view plaincopy
  1. //评分
  2. Explanation explanation = indexSearcher.explain(query, docID);
  3. System.out.println(explanation.toString());

在后台打印出来的信息如下：

[plain] view plaincopy
  1. 2.4342022 = (MATCH) weight(name:books in 71491), product of:
  2. 0.2964393 = queryWeight(name:books), product of:
  3. 8.21147 = idf(docFreq=109, maxDocs=149037)
  4. 0.036100637 = queryNorm