Lucene Jackrabbit XPath查询中的连字符问题

首先，我要说的是，我对JSR-170和Jackrabbit/Lucene一般来说都是新手

我有以下XPath查询：

//*[@sling:resourceType="users/user-profile" and jcr:contains(*/*/*,'sophie\-a')] order by @jcr:score descending

我有一个叫索菲·艾伦的用户和一个叫索菲·安妮的用户。使用上述查询进行搜索将返回零结果，其中单独搜索“sophie”将返回两个用户。我理解连字符在JSR-170中的意思是排除，但我已经跳过了它（正如您在上面看到的）

为什么此查询不同时返回两个用户

另一件奇怪的事情是当我使用星号时（执行时连字符都转义）：

• 搜索

  “sophie-allen”

  将返回sophie allen的记录
• 搜索

  “soph*”

  将返回Sophie Allen和Sophie Anne
• 搜索sophie-a*将不返回任何内容
• 搜索

  “sophie-allen*”

  不会返回任何结果

我理解jcr:contains在技术上不需要使用星号，但是从上面的行为来看，它似乎有某种效果

关于XPath查询和搜索JCR中的连字符和星号，我还缺少什么吗？我已经在谷歌上搜索了我能想到的所有东西，并通读了规范，但似乎找不到任何能回答我问题的东西

提前谢谢

编辑： “短语查询”似乎无法与jcr:contains（不再？）一起使用，因为默认的Lucene Analyzer在连字符上标记，这意味着它将“sophie allen”拆分为sophie和allen

编辑2:

---

我曾尝试使用Jackrabbit用户列表中的某个人建议的自定义分析器和标记器，但也没有任何帮助，Lucene仍然使用连字符并省略了我想要的结果。

你是正确的，Lucene确实将“sophie allen”拆分为两个标记，但这些标记是相邻的。你说你试过这样的短语表达：

... jcr:contains(*/*/*,'"sophie-a*"') ...

这应该通过查找标记“sophie”以及另一个包含“a”作为第一个字符的标记来实现。由于索引期间使用的同一分析器应用于标记此短语表达式，因此“-”字符仍将用作分隔符[1]。（请注意，如果要在Java代码中指定XPath表达式，则必须使用前面的反斜杠转义双引号字符。）

但是，如果这不起作用，可以尝试删除此表达式中的连字符。因为您使用的是通配符，所以逻辑可能错误地标记了通配符表达式。换句话说，尝试：

... jcr:contains(*/*/*,'"sophie a*"') ...

当然，如果没有通配符，这可能会起作用（使用或不使用连字符）：

祝你好运

另外，我还没有证实这在Jackrabbit中有效，但它在ModeShape（它也使用Lucene）中有效

---

[1] 确切的规则取决于标记器。例如，StandardTokenizer过滤掉英语的停止词，但标记“-”字符，除非标记中有数字（在这种情况下，整个标记被解释为产品，而不是拆分）。

在与同事一起处理此问题时，我们为ModeShape发现了这一点，Randall附带记录了这一点（谁也回答了这个问题）。原来问题是因为jackrabbit没有正确/太好地处理带有通配符的搜索词中的通配符

Randall已经对ModeShape进行了修复，但我的同事和项目团队建议在现阶段不要修复我们的问题，因为Jackrabbit的使用不是100%确定的

---

我想把这个问题的答案和Randall联系起来，但是他的帖子不是真正的答案。我会把这个帖子标记为答案，除非Randall出现并发布一些东西。

我将把你的标签改为

xpathengines

，因为除了这个问题与

jcr:contains

扩展函数有关外，没有

ordXPath 1.0或2中的er by

运算符。0@alejandro-np，谢谢。双引号上没有骰子。事实上，jackrabbit没有任何效果(

... jcr:contains(*/*/*,'"sophie-allen"') ...