C# Lucene.Net多行正则表达式搜索

我们使用Lucene.Net 3.0.3 Whitespace Analyzer为文件编制索引，并使用下面显示的未分析和已分析选项将两个字段分隔开

        public static void WriteIndexes()
    {
        string indexPathRegex = ConfigurationManager.TfSettings.Application.CustomSettings["dbScritpsAddressRegex"];

        var analyzerRegex = new WhitespaceAnalyzer();
        var indexWriterRegex = new IndexWriter(indexPathRegex, analyzerRegex, IndexWriter.MaxFieldLength.UNLIMITED);

       foreach (LuceneIndex l in Indexes)
        {
            var doc = new Document();
            doc.Add(new Field("ServerName", l.ServerName.ToLowerInvariant(), Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.NO));

            doc.Add(new Field("DatabaseName", l.DatabaseName.ToLowerInvariant(), Field.Store.YES, Field.Index.ANALYZED,Field.TermVector.NO));
            doc.Add(new Field("SchemaName", l.SchemaName.ToLowerInvariant(), Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.NO));
            doc.Add(new Field("ObjectType", l.ObjectType.ToLowerInvariant(), Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.NO));
            doc.Add(new Field("ObjectName", l.ObjectName.ToLowerInvariant(), Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.NO));
            doc.Add(new Field("Script", l.Script, Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.NO));
            doc.Add(new Field("Script", l.Script, Field.Store.YES, Field.Index.NOT_ANALYZED, Field.TermVector.NO));

            indexWriterRegex.AddDocument(doc);
        }
        indexWriterRegex.Optimize();
        analyzerRegex.Close();
        indexWriterRegex.Close();




    }

当我们寻找一个单行正则表达式时是可以的，但当我们寻找多行正则表达式时；如果搜索文件的大小小于16KB，这是正常的。但是当它大于16KB时，Lucene找不到搜索关键字。这是一个bug吗？我们如何解决这个问题

示例关键字：

*taxId.*\n.*customerNo.*

       public  List<item> SearchAllScriptInIndex()
    {
        string indexPathRegex = ConfigurationManager.TfSettings.Application.CustomSettings["dbScritpsAddressRegex"];
        var searcher = new Lucene.Net.Search.IndexSearcher(indexPathRegex, false);

        const int hitsLimit = 1000000;
        var analyzer = new WhitespaceAnalyzer();

        var parser = new MultiFieldQueryParser(Lucene.Net.Util.Version.LUCENE_29, new[] { "Script", "DatabaseName", "ObjectType", "ServerName" }, analyzer);

        Term t = new Term("Script", Expression);
        RegexQuery scriptQuery = new RegexQuery(t);

        string s = string.Format("({0}) AND {1}", serverAndDatabasescript, objectTypeScript);
        var query = parser.Parse(s);

        BooleanQuery booleanQuery = new BooleanQuery();
        booleanQuery.Add(query, BooleanClause.Occur.MUST);
        booleanQuery.Add(scriptQuery, BooleanClause.Occur.MUST);

        var hits = searcher.Search(booleanQuery, null, hitsLimit, Sort.RELEVANCE).ScoreDocs;

        List<item> results = new List<item>();
        List<string> values = new List<string>();
        Dictionary<int, string> newLineIndices = new Dictionary<int, string>();
        foreach (var hit in hits)
        {
            var hitDocument = searcher.Doc(hit.Doc);
          string contentValue = hitDocument.Get("Script");
         LuceneIndex item = new LuceneIndex();
         item.ServerName = hitDocument.Get("ServerName");
          item.DatabaseName = hitDocument.Get("DatabaseName");
          item.ObjectName = hitDocument.Get("ObjectName");
          item.ObjectType = hitDocument.Get("ObjectType");
          item.SchemaName = hitDocument.Get("SchemaName");
          item.Script = hitDocument.Get("Script");
                    results.Add(item);

        }
        return results;

public List SearchAllScriptInIndex（）
{
string indexPathRegex=ConfigurationManager.TfSettings.Application.CustomSettings[“dbScritpsAddressRegex”]；
var searcher=new Lucene.Net.Search.IndexSearcher（indexPathRegex，false）；
常量int hitsLimit=1000000；
var analyzer=新的空白分析器（）；
var parser=new multifiedqueryparser（Lucene.Net.Util.Version.Lucene_29，new[]{“脚本”、“数据库名”、“对象类型”、“服务器名”}，分析器）；
术语t=新术语（“脚本”，表达式）；
RegexQuery scriptQuery=新的RegexQuery（t）；
字符串s=string.Format（（{0}）和{1}），serverAndDatabasescript，objectTypeScript）；
var query=parser.Parse；
BooleanQuery BooleanQuery=新的BooleanQuery（）；
添加（query，BooleanClause.occurrent.MUST）；
添加（scriptQuery，BooleanClause.Occurse.MUST）；
var hits=searcher.Search（booleanQuery，null，hitsLimit，Sort.RELEVANCE）；
列表结果=新列表（）；
列表值=新列表（）；
Dictionary newlineindex=newdictionary（）；
foreach（命中率中的var命中率）
{
var hitDocument=searcher.Doc（hit.Doc）；
字符串contentValue=hitDocument.Get（“脚本”）；
LuceneIndex项=新的LuceneIndex（）；
item.ServerName=hitDocument.Get（“ServerName”）；
item.DatabaseName=hitDocument.Get（“DatabaseName”）；
item.ObjectName=hitDocument.Get（“ObjectName”）；
item.ObjectType=hitDocument.Get（“ObjectType”）；
item.SchemaName=hitDocument.Get（“SchemaName”）；
item.Script=hitDocument.Get（“脚本”）；
结果：增加（项目）；
}
返回结果；

---

}

根据

IndexWriter.AddDocument

的文档和

IndexWriter.MAX\u term\u length

字段，支持的最大字长为16 383个字符。似乎比这更长的术语会被忽略，从而导致您描述的问题

AddDocument的文档声明抛出了一个异常，而字段只提到信息被写入信息流[如果设置了信息流]

/// <p/>Note that each term in the document can be no longer
/// than 16383 characters, otherwise an
/// IllegalArgumentException will be thrown.<p/>

// [...]

/// <summary> Absolute hard maximum length for a term.  If a term
/// arrives from the analyzer longer than this length, it
/// is skipped and a message is printed to infoStream, if
/// set (see <see cref="SetInfoStream" />).
/// </summary>
public static readonly int MAX_TERM_LENGTH;

//
请注意，文档中的每个术语都不能再使用
///超过16383个字符，否则为
///将抛出IllegalArgumentException。

// [...]
///一个术语的绝对硬最大长度。如果是一个术语
///从分析器中到达的长度超过此长度时
///跳过，并将消息打印到infoStream，如果
///设置（请参阅）。
/// 
公共静态只读int MAX_TERM_LENGTH；

资料来源：