我正在运行一个简单的测试--尝试为某些内容编制索引，然后搜索它。我为一个简单的文档编制索引，但当搜索其中的字符串时，我会返回看起来是空文档的内容（它没有字段）。Lucene似乎在做些什么，因为如果我搜索文档中没有的单词，它将返回0个结果 当Lucene找到一个与给定查询匹配的文档，而该文档中却没有任何内容时，为什么Lucene会可靠地返回该文档 更多详情： 我实际上是在经营Lucandra（Lucene+Cassandra）。这当然可能是一个相关的细节，但不确定 字段设置为Field.Stor
更新现有Lucene索引的最佳方法是什么。我不需要从中添加/删除文档，而是更新现有文档 您必须在不覆盖的情况下打开索引，因此： IndexWriter writer = new IndexWriter("MyIndexPath",analyzer, false); 末尾的false标志告诉它以追加模式打开 作者有一个更新的文档方法 writer.UpdateDocument(new Term("IDField",id), doc); id字段应该是一些唯一的文档标识符，如文件名或文件号等。我
有没有人有使用自定义切分/分割的经验 有关Lucene Sharding的文档说明如下： 在某些情况下，有必要 分割（shard）一个文件的索引数据 将给定的实体类型转换为几个Lucene 索引。这一解决方案并非如此 除非有紧急情况，否则建议使用 需要，因为默认情况下，搜索将 因为所有碎片都必须被移除，所以速度要慢一些 只打开一次搜索。换句话说 只有当你有了爱，语言才能做到这一点 问题：） 有没有人在Hibernate搜索中实现了分片，使得查询也可以成为其中一个分片的目标 在我们的例子中，Luc
为什么DuplicateFilter不能与其他筛选器一起工作？例如，如果对测试进行了一点重新制作，则过滤器未应用于其他过滤器的印象和首次修剪结果： public void testKeepsLastFilter() throws Throwable { DuplicateFilter df = new DuplicateFilter(KEY_FIELD); df.setKeepMode(DuplicateFilter.KM_USE_
我有一个问题，schema.xml中有一个动态字段 作为 和 动态字段将复制到内容字段，如下所示： <copyField source="sec_*" dest="Contents"/> 现在，当我使用一些动态字段（如“sec_1069:risk”）执行搜索时，它会过滤不包含称为sec_1069的动态字段的文档。任何人都可以帮助我强制solr不应过滤没有该动态字段的文档。试试sec_1069:risk或-sec_1069:[*到*]
我有120k db记录要提交到Solr索引中 我的问题是: 我应该在提交每10k记录后提交，还是在提交所有120k记录后仅提交一次 这两个选项之间有什么区别吗？根据，commit（）允许读者查看添加的文档，并将所有添加/删除的文档放在磁盘的索引中。这是一项耗资巨大的行动 因此，如果您希望在添加其他文档时看到部分文档，或者希望确保不会丢失超过10000个文档的添加文档集，则需要提交每10000条记录 OTOH，如果您希望节省额外的提交时间，并且不怕在机器出现故障时丢失文档，请仅在添加所有文档后提交
我正在尝试在运行Sitecore 6.3.1的站点上创建一个新的Lucene索引。我使用了现有的系统索引作为指导，并且成功地在web上创建了一个新的索引，并掌握了对Sitecore内容树中所有项目的索引 然而，我遇到的困难是限制数据库爬虫索引内容树的哪一部分。目前，搜索索引包含内容树中任意位置的项目内容项目、媒体库项目、布局、模板等。。我想将索引仅限于/sitecore/content/Home中的项目 我已经在~/App_Config/Include/Search index/website.
我在lucene中的字段是产品名称、类型和子类型 我正在用abc查询类型，这将导致我得到类型为abc的产品。 这种abc类型的产品有pqr和xyz子类型 我可以使用TopCoreDocCollector.getTotalHits（）获取xyz类型的总计数 但我想得到sub_类型的计数。即pqr和xyz 我怎样才能得到它 任何答复都会对我大有帮助 提前感谢。一种方法是基于abc查询创建一个筛选器，然后使用该筛选器约束子类型查询的结果 IndexSearcher searcher = // sear
在Lucene.Net中，我需要创建一个查询，将搜索限制为特定字段的特定术语列表 例如，我需要“AutoMake”是“Ford”或“Chevy”。因此，只要“AutoMake”的价值是这两种价值之一，我们就很好 下面是我如何形成布尔查询的，但我认为这是不对的： var query1 = new TermQuery(new Term("AutoMake", "Ford")); var query2 = new TermQuery(new Term("AutoMake", "Chevy")); v
我已从以下网站下载solr： 当我试图通过以下方式开始solr时： /solr/example/java -jar start.jar & 并尝试在8983端口的浏览器中打开，但不打开吗 HTTP ERROR: 404 Problem accessing /solr/admin/schema.jsp. Reason: NOT_FOUND Powered by Jetty:// 开发者trunk如何启动实际上想要使用solr4.0如果您已经从trunk下载了源代码，那么
在阅读的源代码时，我注意到该类在将整数转换为字符串时避免了“UCS-16代理”（请参见方法int int2sortableStr（int，char[]，int）of） 这些字符会引起什么问题？给定代码的注释令人困惑，实际上有一个错误，： 有时，关于Unicode的文章会错误地将UCS-2称为 “UCS-16”。UCS-16不存在；犯此错误的作者 通常打算参考UCS-2或UTF-16 你的问题#1:SortableIntField为什么要避免UCS-16代理？ 例如，通过避免冗长来减少运行时间和节
我想用Lucene执行范围查询。正常语法大致如下： {Aida TO Carmen} 如何构造查询，使所有高于最小值的值都可以接受？我使用的是Lucene.Net（2.9.2）在Lucene 3.x之前，您可以像下面这样使用RangeQuery： QueryParser queryParser = new QueryParser(whichField, new StandardAnalyzer()); Query query = queryParser.parse(searchString);
我有一个索引，里面有我们产品的所有文档。文档字段包括： 团体 名字 版本 文件 因为我们的大多数文档都有几个站点，我为每个站点创建了索引中的一个文档。 因此，当我按组、名称和版本搜索产品时，会得到一些结果。但有时我希望这种组合（组、名称和版本）只有一个结果（不管产品有多少文档） 因此，我使用了DuplicateFilter： 因为这个过滤器只能用于一个字段（而不能用于字段组合），所以我创建了另一个字段（productkey）。在此字段中，我存储了此产品的id（组、名称和版本字段组合的md5
我在JEE6中有很好的应用，我使用EclipseLink作为JPA提供商。但是我需要在一些数据量巨大的字段上实现全文搜索。我认为数据库内部机制还不够。我已经搜索了一些关于可能性的信息，HibernateSearch看起来是一个很有前途的解决方案，但我不想迁移到Hibernate，因为我对EclipseLink很满意。我找到了Compass项目，但它不再得到完全支持 问题是：你们有什么好办法解决这个难题吗？您将使用什么来实现EclipseLink的全文搜索？你会直接用Lucene吗？我用的是Sol
我想在fts搜索中执行以下查询：TAG:（turte~0.5） 但这是行不通的。预期结果将是标记为“海龟”的文档 TAG：（turte）~0.5可以工作，但这显然不是同一个查询，结果完全不正确 是否可以在标签上添加模糊标记？如何/为什么不 谢谢 模糊查询适用于每个字段。如果不指定字段，则只使用默认字段 标签：turte~0.5应该可以工作它可以在我的索引上工作。你能用LUKE打开索引并尝试查询吗？对我来说（Lucene 3.5）使用TAG:turte~0.5，而不使用TAG:turte~0.5。
有人能帮助我理解一种在Lucene中使用抽象收集器类的定制实现的方法吗 我用一些测试文本实现了两种查询索引的方法： 1.总点击数等于2。两个文件名都相同，因此结果大小等于1，因为我将它们保留在一个集合中 TopDocs topDocs = searcher.search(query, Integer.MAX_VALUE); LOG.info("Total hits " + topDocs.totalHits); ScoreDoc[] scoreDosArray = topDocs.scoreDo
这个问题有点令人困惑。我是Lucene的新手，正在查阅文件。我发现向字段添加boost，会增加字段的范数，从而在搜索时增加术语的分数 也就是说，在索引时向字段添加boost可能会影响搜索时的分数。我的问题是，除了提振，还有其他方法可以做到这一点吗？请注意。在Lucene 4.x之前，曾经有一个基于向量空间模型的单一评分公式 以下是影响Lucene评分的因素 1）Tf：术语频率，即文档中术语的频率 2）Idf：反向文档频率：日志（集合大小/具有术语的文档数）“此公式可能会有所不同 3）字段增强：您
我想弄清楚lucene的分析仪是怎么工作的？ 我的问题是lucene如何处理同义词？情况如下： 我们有单字和多字 单曲：foo=bar 多词：foobar=foobar 对于单个单词： lucene是否扩展索引记录？我猜如果一个查询有一个像“foo”这样的词，它也会在查询中添加“bar”。我不知道它是否发生在索引中 对于多个单词： lucene是否同时扩展了查询和索引？例如，如果我们有“foobar”，它是否会将foobar添加到索引/查询中 我的第二个问题是：Lucene使用令牌流，并
当我试图在Lucene中搜索诸如“变通/修复”之类的内容时，它会抛出以下错误： org.apache.lucene.queryparser.classic.ParseException: Cannot parse 'workaround/fix': Lexical error at line 1, column 15. Encountered: <EOF> after : "/fix" at org.apache.lucene.queryparser.classic.Que
现在我有一个项目，我需要建立一个搜索引擎，但我不能使用Solr，只有nutch和Lucee，虽然我在论坛中搜索，我发现很多人说nutch做索引，我安装了nutch（1.4）和爬网数据，但我意识到我没有索引文件夹或类似的东西，只有爬网数据。。所以，问题是，nutch是否真的索引了它爬行的东西，或者它需要Lucene来索引和搜索 另外，对于这个项目，我不能使用Solr，只有纯nutch和lucene，我需要用Java构建所有东西，所以当人们说nutch实际上是索引的时候，我真的很困惑。。。对不起，我
我有一个巨大的XML文件，其中包含多个文档（如果需要，可以很容易地将每个文档转换为多个文件）。这个巨大XML的文件大小约为4GB。我需要索引它，以便更好更快地搜索用户。我还使用XSLT转换这些数据 下面是我的基本XML结构- <Docs> <Doc> <Title t=""></Title> <Desc></Desc> <Info></Info> </Doc>
我在加载spring容器时遇到以下异常。堆栈跟踪如下所示。工作正常，但不知道发生了什么。有人能给我解决这个问题的办法吗 org.apache.lucene.index.corruptindexception:未能找到当前段\u N 谢谢如前所述，您的索引似乎已损坏。一些可能的原因可能是没有正确关闭资源，或者在Lucene写入索引时强行中断了它 您可以使用获取有关索引状态的更多信息，并尝试修复它。如图所示，您的索引似乎已损坏。一些可能的原因可能是没有正确关闭资源，或者在Lucene写入索引时强行中
我正在使用Logstash将元组插入ElasticSearch。 元组具有以下格式： 753469038 | 4057 | 1 | 0 | 99031479997 | 0 | 350771 | 1 | 47382594591370772 | 6050143149551329 | 2400 |+| 3.5 753453038 | 5345 | 1 | 0 | 23543643667 | 0 | 346661 | 1 | 47382594591370772 | 6050143149551329 |
我创建了一个名为：myFullTextIndex的全文索引 当我想搜索模式：Hello World，查询如下： START w=node:myFullTextIndex('title:"Hello World"') 这很有效 但是，我无法搜索由通配符包围的同一字符串。 我希望对该模式的搜索会返回一个结果：*Hello World* 我试过： START w=node:myFullTextIndex('title:"*Hello World*"') 及 但不起作用（出现语法错误） 有什么想法吗
我正在寻找关于如何在Lucene 4.0中使用PorterStemFilter类的帮助。以下是我的索引器取自： StandardAnalyzer=新的StandardAnalyzer（版本.LUCENE_40）； 目录索引=新的RAMDirectory（）； IndexWriterConfig配置=新的IndexWriterConfig（Version.LUCENE_40，analyzer）； IndexWriter w=新的IndexWriter（索引，配置）； addDoc（w，“Luce
elasticsearchfull-text-search
我正在尝试实现elasticsearch映射，以优化大量文本中的短语搜索。根据中的建议，我正在使用木瓦过滤器为每个短语构建多个单格 两个问题： 在上面提到的文章中，stopwords被过滤掉，而shingle通过插入“u”标记来处理缺少的空格。应该从引擎索引的unigram中删除这些标记。这种消除的要点是能够响应包含各种“无用”单词的短语查询。标准解决方案（如本文所述）已不再可能，因为Lucene不推荐这种行为所需的特定功能（enable_position_increments）。我如何解决这类
为了演示，我有5个文档。调用IndexWriter提交函数后，*.fdx*.fdt文件将从索引文件夹中消失。提交后它们为何消失以及它们是如何工作的。好问题中解释了这一点。。。甚至我也在寻找同样的……我已经读过那个文件了。它没有解释为什么fdx.fdt文件在调用IndexWriter提交方法后消失。
使用Luke，它显示Lucene索引中的348K文件。我们的存储库在通过ACCE（IBM Connections将文件存储在Connections Content Manager[ie.FileNet]中）使用SQL命令进行查询后，将返回用户上载的345K文件。有没有办法解释3K的差异？Luke会报告比实际存储库包含的文档更多，这似乎很奇怪 有控制文件吗？版本？我可以看到Luke页面上列出了325个文档，表明它也在计算删除量，但仍然存在3K的差异（在计算删除量时，实际差异最初接近3.5K）。随着
我正在尝试创建基于Lucene全文索引的自动建议。 例如，主要问题是如何基于多术语短语创建自动建议（autocomplete）- nosql dat* 结果可以是 nosql database nosql data 但不是 perfect nosql database Lucene查询的正确语法是什么，以便根据多术语查询中的第一个单词创建自动建议，并在末尾使用通配符？我也有类似的要求， Lucene具有Span查询，允许您在查询中使用文本中单词的位置 我已经使用FirstSpanQuery
elasticsearch ElasticSearch：是否可以通过简单地在ElasticSearch中提供查询来搜索文档中的所有文件
elasticsearch Lucene
我是Elasticserach的新手，正在寻找现有方案的解决方案。假设我创建了一个文档： { "employee": { "properties": { "id" : {"type": "string"}, "value": {"type": "string"}, "role": {"type": "string"}, "desc": {"type": "string"} } }
在SQL中是这样的 SELECT SUM(Value) FROM table WHERE condition 我可以在Lucene中执行类似操作吗？不能直接执行 您可以在每个文档中存储DocValues（例如，一个数值），并编写一个自定义收集器来进行添加
我刚开始使用Lucene.Net，但最终目标不是真正实现搜索（至少现在不是），而是能够为文档编制索引，然后分析索引以查找最常出现的术语 例如，我有： Lucene.Net.Analysis.Standard.StandardAnalyzer analyzer = new Lucene.Net.Analysis.Standard.StandardAnalyzer(Lucene.Net.Util.Version.LUCENE_30); var LDoc = new Lucene.Net.Docume
我不熟悉hibernate lucene搜索。在病房的几天里，我一直在用特殊字符搜索关键词。我正在使用多字段QueryParser进行精确短语匹配和布尔搜索。但在这个过程中，我无法获得搜索关键字的结果，如“拥有1年以上的经验”，如果我没有在搜索关键字周围加引号，那么我将得到结果。所以我在lucene查询的执行过程中观察到的是，它正在转义特殊符号（+）。我正在使用StandardAnalyzer.class。我认为，如果我使用WhiteSpaceAnalyzer，它将不会转义特殊字符，但它可能会影
elasticsearch 更新；关键词"；至；“文本”；elasticsearch中不精确词匹配索引的字段类型
elasticsearch Lucene
我试图通过在索引上使用下面的PUT请求进行更新，但仍然得到上面的_映射输出 { "myindex": { "mappings": { "properties": { "city": { "type": "text",
我正在尝试实现对在线商店的搜索，要求如下： 如果用户仅搜索类别名称，请返回该类别的页面 如果用户同时搜索类别和品牌，则返回应用了类别和品牌筛选器的搜索页面 如果用户搜索与产品完全匹配的值，则返回产品的页面 如果我们在多个类别和品牌中匹配多个产品，请返回结果 我的问题是，使用单个Lucene索引可以实现这一点，还是应该使用多个索引并搜索所有索引？ 据我所知，Lucene没有任何关系，所以我不能表示像category->brand->model这样的东西 谢谢大家! 我的问题是，使用一个Lucene
我有两个单独的索引，包含不同的字段，这些字段一起包含索引的所有可搜索字段。例如，第一个索引保存所有文档的索引文本，第二个索引保存每个文档的标记 请注意，下面的示例有点不可靠，因为我更改了实体的名称。 Index1： 文本 文件id Index2： 标签名称：“非常重要” 用户：“弗雷德的id” 我希望将索引分开，因为每当用户添加/删除标记时，不断更新单个索引似乎是浪费 到目前为止，我认为我可能需要处理这两个搜索结果并手动（在代码中）合并它们。还有其他建议吗 我不想合并单独的/分片的索引。Luce
我正在考虑/致力于为我们公司的各种内容类型实现一个搜索引擎，并试图对Lucene（特别是.net风格）了如指掌 目前，我的主要问题是一个索引中的文档是否必须包含相同的字段 例如： 文件1： 标题：“我是一份文件，宝贝” 正文：“这里有一些重要的事情” 纬度：26.12224 长度：-65.23124 品牌：东芝 文件2： 标题：“我的另一份文件” 身体：“Lorem ipsum和所有的爵士乐” 类别：物品 作者：洛因爵士 …等等如果您希望对特定字段进行索引，我想所有文档都必须具有相同的字
我对使用Solr还不熟悉，我肯定错过了什么 在示例模式中我还没有涉及太多内容，我导入了一些示例数据。我还设置了LocalSolr，看起来效果不错 我的问题只是一般的查询Solr。我有一个文档，其中name字段设置为tom。我一直在查看配置文件，但我就是不知道哪里出错了。一堆字段被索引和存储，我可以在admin中看到这些值，但我无法让查询正常工作。我尝试了各种查询（），结果如下： **Query:** ?q=tom **Result:** No results **Query:** q=\*:\
以下是模式的相互测试部分： <fieldType name="text_rev" class="solr.TextField" positionIncrementGap="100"> <analyzer type="index"> <tokenizer class="solr.WhitespaceTokenizerFactory"/> <filter class="solr.StopFilterFactory" ignoreC
我想同时搜索两个查询，例如“macbook pro”和“iphone”，搜索的默认字段是“title”，因此查询是：（title:macbook pro title:iphone）。我希望在每个查询中使用“and”操作，例如（+title:macbook+title:pro），在查询之间使用“or”操作，例如 （（+标题：macbook+标题：pro）（标题：iphone））。但是，在使用QueryParser解析这个查询（title:macbook pro title:iphone）之后，结果
是否有人在Lucene中有ExtendableQueryParser的使用示例？我试过几种方法，但都不起作用。所以，我用Lucene 4.5.1编译了我的代码，效果很好 我一直在使用它将字段术语查询扩展为“span first”查询，如下所示： package test; import java.io.IOException; import java.io.StringReader; import java.util.LinkedList; import java.util.List; im
我正在使用Umbraco中的Examine查询内容节点的Lucene索引。我有一个字段“completodetext”，它是所有节点属性的串联（以保持简单，而不是跨多个字段搜索） 我接受用户提交的搜索条件。当搜索词是多个词（即“firstterm secondterm”）时，我希望生成的查询是OR查询：在fullNodeText是firstterm或secondterm的情况下返回结果 我想： {+completeNodeText:"firstterm ? secondterm"} 但相反，我
任何人都可以混合使用最新的Hibernate搜索（4.4.0+） Lucene 4去上班了？可能吗？假设Lucene 3到4的内部变化太大。我认为这是不可能的。HibernateSearch4.4旨在与Lucene 3.6配合使用 看来Lucene 4.X支持计划用于我认为这是不可能的。HibernateSearch4.4旨在与Lucene 3.6配合使用 看来Lucene 4.X的支持计划也给人留下了深刻的印象。如果有人在HS 5之前进行了额外的改装，那就更像是在黑暗中大喊大叫了。这也给人留下
elasticsearch 在未标记化字段上使用同义词标记筛选器
elasticsearch Lucene
tokenanalyzer
假设我想使用edge ngram技术进行自动完成（完成建议对我来说不是一个好的选择）。我想用[“u”、“us”、“us”、“us”、“us a”、“us ar”、“us arm”、“us arm”]来索引“美国陆军” 问题是-我还有一个同义词列表。例如，“us”是“usa”的同义词。我怎样才能把“美国陆军”分为“美国”和“陆军”，找到它们的同义词并把它们重新组合在一起 我试过这样做： { "analysis": { "filter": { "ngr
elasticsearch
有没有办法找到索引中各个字段的大小 我有10个字段，并且_source被禁用。我没有字段的映射 启用_all后，磁盘上的索引大小为95 mb 如果没有_all（禁用），磁盘上的索引大小为70 mb 我的理解是_all存储所有字段的副本。那么，索引大小是否会加倍？为什么差异仅仅是15MB而不是47mb 谢谢\u所有不是所有字段的副本；它只是另一个存储所有其他字段值的字段 假设索引中只有三个文档（d1、d2和d3），只有两个字段f1和f2。见下文： d1 { "f1": "v1",
elasticsearch 验证失败：1:缺少映射类型；弹性搜索
elasticsearch Lucene
我很抱歉，这也是一个错误。 作为这个问题的答案，我正在尝试设置正确的url来放置索引映射，但在我的实例上不起作用： $ cat mapping.json | http PUT myhost:9200/acastest/_mapping 结果: HTTP/1.1 400 Bad Request Content-Length: 247 Content-Type: application/json; charset=UTF-8 { "error": { "reason":
elasticsearch 弹性搜索索引映射更新
elasticsearch Lucene
bigdata
我正在使用ES-2.4.0 索引json: { “_id”：1， “名称”：“Longsword”， “说明”：“长字可单手或双手使用”， “类别”：“夏普” } 1.我已创建索引，正在创建默认映射。 2.现在我正试图按照这里的建议更新映射 链接： 关于点1：我没有使用任何分析仪 关于点2：我使用的分析仪“未分析” 但它不起作用 问题：ES-2.X是否已停止映射更新功能？如果没有，如何更新映射？ 注意：在尝试时，我得到了这个错误 { “错误”：{ “根本原因”：[ { “类型”：“非法参数\异常
elasticsearch Elasticsearch对已删除文档的处理
elasticsearch Lucene
full-text-indexing
我们使用Elasticsearch 6.1进行索引。我们过去常常每天更新我们的文件。我们面临计数API的问题。基本上，我们得到的计数是错误的 我的分析表明，这是因为Lucene处理文档更新查询的方式，所以它是删除文档和更新文档的计数 我引用了这个博客 一两天后，计数开始正确。 每次更新很多文档时都会发生这种情况 这个问题是否可以解决，以便我们能够实时获得正确的计数。一旦您更新了索引或删除的文档，如果您需要立即查询它们，则需要刷新索引 比如说 DELETE test PUT test/doc/1
正如标题所说，我希望在整数字段上有范围面 在文档中，它说：范围刻面LongRangeFaceCounts，DoubleRangeFaceCounts从提供的LongValuesSource计算动态数值范围的计数 我可以对任何数字类型使用longranceCounts或doubleRangeFaceCounts:double，decimal，long，float，但不能使用int，这很烦人 有人有从int字段获取范围方面的经验吗 谢谢您可以为int值字段获取LongValuesSource： （或
我读了很多关于Lucene索引和搜索的书，但仍然不明白什么是术语？术语和字段之间的区别是什么？一个非常粗略的类比是字段就像数据库表中的列，而术语就像每个数据库列中的内容 更具体地说，对于Lucene： 条款 术语是索引标记。见： Lucene分析器是将文本分解为索引标记（也称为术语）的处理管道 例如，如果你在文档中有以下句子 "This is a list of terms" …然后将其传递给空白标记器，这将生成以下术语： This is a list of terms