lucene如何在StringField中處理點（'。'）？ （發佈索引和搜索文件名）

Question

我有一個簡單的問題，我無法回答四處搜索或搜索其他問題：我正在索引一個字段，其中包含以下代碼的文件名：

doc.add新的TextField（FIELD_FILENAME，文件名，Field.Store.YES））

如果我索引hello.jpg，然後用鍵'hello.jpg'搜索條目被打（迄今爲止好）。但是，如果我用'你好'搜索，我不會得到任何結果。如果我替換'。'與另一個標點符號，而索引然後它的作品。如果我逃避''。它也可以工作（例如索引「hello \ .jpg」，我發現它搜索'hello'）。

Lucene如何處理點？我應該期待與其他角色相同的問題嗎？

非常感謝提前， 斯特凡諾

Answer 1

一切都取決於你所使用的分析儀，因爲分析儀確定使用哪個分詞器。標記器負責標記提取，在最簡單的情況下，它與定義字邊界相似。

鑑於你所描述的行爲，我想你正在使用的StandardAnalyzer，它使用StandardTokenizer，它實現Unicode text segmentation，其中規定了以下內容：

例如，在期間（U + 002E _{FULL STOP}）被模棱兩可地使用，有時用於句末，有時用於縮寫，有時用於數字。

在該文件中，句號字符是MidNumLet屬性值的一部分，您的具體情況由WB6和WB7規則處理：

(ALetter | Hebrew_Letter) × (MidLetter | MidNumLet | Single_Quote) (ALetter | Hebrew_Letter) 
(ALetter | Hebrew_Letter) (MidLetter | MidNumLet | Single_Quote) × (ALetter | Hebrew_Letter) 

的×符號表示：無字這裏允許休息。

更簡單：如果所述字符緊接在和之後並且後面跟一個字母，則不允許在標點符號之前或之後進行單詞分詞。

，標準分詞的語法遵循以下規則：

// UAX#29 WB5. (ALetter | Hebrew_Letter) × (ALetter | Hebrew_Letter) 
//  WB6. (ALetter | Hebrew_Letter) × (MidLetter | MidNumLet | Single_Quote) (ALetter | Hebrew_Letter) 
//  WB7. (ALetter | Hebrew_Letter) (MidLetter | MidNumLet | Single_Quote) × (ALetter | Hebrew_Letter) 
//  WB7a. Hebrew_Letter × Single_Quote 
//  WB7b. Hebrew_Letter × Double_Quote Hebrew_Letter 
//  WB7c. Hebrew_Letter Double_Quote × Hebrew_Letter 
//  WB9. (ALetter | Hebrew_Letter) × Numeric 
//  WB10. Numeric × (ALetter | Hebrew_Letter) 
//  WB13. Katakana × Katakana 
//  WB13a. (ALetter | Hebrew_Letter | Numeric | Katakana | ExtendNumLet) × ExtendNumLet 
//  WB13b. ExtendNumLet × (ALetter | Hebrew_Letter | Numeric | Katakana) 
// 
{ExtendNumLetEx}* ({KatakanaEx}   ({ExtendNumLetEx}* {KatakanaEx}       )* 
        | ({HebrewLetterEx} ({SingleQuoteEx}  | {DoubleQuoteEx} {HebrewLetterEx} ) 
        | {NumericEx}   (({ExtendNumLetEx}* | {MidNumericEx}) {NumericEx}  )* 
        | {HebrewOrALetterEx} (({ExtendNumLetEx}* | {MidLetterEx} ) {HebrewOrALetterEx})* 
        )+ 
        ) 
({ExtendNumLetEx}+ ({KatakanaEx}   ({ExtendNumLetEx}* {KatakanaEx}       )* 
        | ({HebrewLetterEx} ({SingleQuoteEx}  | {DoubleQuoteEx} {HebrewLetterEx} ) 
        | {NumericEx}   (({ExtendNumLetEx}* | {MidNumericEx}) {NumericEx}  )* 
        | {HebrewOrALetterEx} (({ExtendNumLetEx}* | {MidLetterEx} ) {HebrewOrALetterEx})* 
        )+ 
        ) 
)* 
{ExtendNumLetEx}* 
    { return WORD_TYPE; } 

結論：
如果你需要一個不同的行爲，你必須使用一個不同的分析器，能夠更好地滿足您的目標。我猜想像LetterTokenizer不適合，但你可以創建自己的標記物基於CharTokenizer來實現自己的規則。