Lucene查询：bla~*（匹配以模糊开头的单词），如何匹配？

在Lucene查询语法中，我希望将*和~组合到一个有效查询中，类似于： bla~*//查询无效

意思：请匹配以“bla”或类似“bla”开头的单词

更新： 我现在所做的工作是使用以下内容（SOLR模式的一部分）：

如果您不使用SOLR，则执行以下操作

索引时间：通过创建包含我（短）输入的所有前缀的字段来索引数据

---

Searchtime：只使用~运算符，因为前缀在索引中显式出现。

我不相信Lucene支持这样的操作，也不相信它有一个简单的解决方案

“模糊”搜索不会对固定数量的字符进行操作<代码> BLA~可以匹配<代码> BRAH < /代码>，因此必须考虑整个术语。

您可以实现一个查询扩展算法，将查询

bla~*

转换为一系列OR查询

bla* OR blb* OR blc OR .... etc.

但只有当字符串非常短或者可以根据一些规则缩小扩展范围时，这才是可行的

或者，如果前缀的长度是固定的，您可以添加带有子字符串的字段，并对其执行模糊搜索。这将为您提供您想要的，但只有在您的用例足够狭窄的情况下才会起作用

您没有明确说明为什么需要这个，也许这样做会引出其他解决方案

我能想到的一个场景是处理不同形式的单词。例如，查找

汽车

和

汽车

这在英语中很容易，因为有词干分析器可用。在其他语言中，如果不是不可能的话，实现词干分析器可能相当困难

但是，在这个场景中，您可以（假设您可以访问好的词典）查找搜索词并以编程方式展开搜索以搜索该词的所有形式

---

例如，搜索

汽车

会转换为

汽车或汽车

。这已经在至少一个搜索引擎中成功地应用于我的语言，但显然很难实现。

您的意思是希望将通配符和模糊查询结合起来？可以将布尔查询与OR条件结合使用，例如：

BooleanQuery bq = new BooleanQuery();

Query q1 = //here goes your wildcard query
bq.Add(q1, BooleanClause...)

Query q2 = //here goes your fuzzy query
bq.Add(q2, BooleanClause...)

---

这是一个地址搜索服务，我想根据部分输入和可能输入错误的streetnames/citynames/etc（任意组合）来建议地址。（想想ajax，用户在文本字段中键入部分街道地址）

对于这种情况，建议的查询扩展可能不太可行，因为部分字符串（街道地址）可能变得比“short”长：

标准化

我能想到的一种可能性是使用字符串“规范化”，而不是模糊搜索，并简单地将其与通配符查询相结合。地址

“米克拉布拉特42，101雷克雅未克”

，标准化后将变成

“米克拉布拉特42，101雷克雅未克”

那么，像这样建立索引：

1） 使用包含街道名称、城市名称等“规范化”版本的记录建立索引，每个文档有一个街道地址（1个或多个字段）

并按如下方式搜索索引：

2） 规范化用于形成查询（即

mik-rek

）的输入字符串（例如

mik-rek

）。 3） 使用通配符op执行搜索（即

mik*和rek*

），保留模糊部分

---

如果规范化算法足够好的话，这将是可行的：）

在lucene的开发主干中（尚未发布），有代码通过AutomatonQuery支持这样的用例。警告：API可能/将在发布前更改，但它提供了一个想法

以下是您案例的一个示例：

// a term representative of the query, containing the field. 
// the term text is not so important and only used for toString() and such
Term term = new Term("yourfield", "bla~*");

// builds a DFA that accepts all strings within an edit distance of 2 from "bla"
Automaton fuzzy = new LevenshteinAutomata("bla").toAutomaton(2);

// concatenate this DFA with another DFA equivalent to the "*" operator
Automaton fuzzyPrefix = BasicOperations.concatenate(fuzzy, BasicAutomata.makeAnyString());

// build a query, search with it to get results.
AutomatonQuery query = new AutomatonQuery(term, fuzzyPrefix);

---

我不相信这会达到OP的要求，因为它基本上会变成“bar~或bar*”，这与“bar~*”不同，也不会找到（例如“brafoo”。是的，这不是我想要的：）好的，谢谢澄清，我使用了一种方法（用于匹配蛋白质名称等）使用字符串距离，如Smith Waterman、Jaro Winkler等。SimMetrics之类的工具可能会有所帮助。这是我第二次听说SimMetrics，也许是时候让它转一转了：）谢谢，虽然模糊搜索不会对固定数量的字符进行操作，但我的情况是，简单地使用~行不通（字符数差异很大）。我想匹配，例如Sunla和Sundlaugarvegur。当然，如果我能告诉lucene只匹配索引中每个单词的前x个字符，使用~将有效…你需要在这里超越lucene，使用字符串比较算法，如Levenstein、Jaro Winkler等（下面的问题）我刚刚回到这个问题，又看到了你的答案。你试过了吗？我现在要做的（适用于小输入），是生成输入的所有前缀，并将前缀放入索引中。然后我只需要使用~运算符，就可以获得像~*这样的功能。对于小的输入，您的解决方法很好。。。但正如你所暗示的，对于大量输入来说，这将是一个问题：你将为所有这些前缀添加大量的术语和帖子。。。这将使Lucene 4.0之前的模糊查询变得更慢，因为它会对所有术语进行线性扫描。是否有Lucene查询语法允许您通过Solr访问自动机查询而无需编码？

// a term representative of the query, containing the field. 
// the term text is not so important and only used for toString() and such
Term term = new Term("yourfield", "bla~*");

// builds a DFA that accepts all strings within an edit distance of 2 from "bla"
Automaton fuzzy = new LevenshteinAutomata("bla").toAutomaton(2);

// concatenate this DFA with another DFA equivalent to the "*" operator
Automaton fuzzyPrefix = BasicOperations.concatenate(fuzzy, BasicAutomata.makeAnyString());

// build a query, search with it to get results.
AutomatonQuery query = new AutomatonQuery(term, fuzzyPrefix);