課程二十二、lucene4.x實戰(zhàn)類baidu搜索的大型海量系統(tǒng)課件10lucene深入

1、北風(fēng)網(wǎng)項目培訓(xùn)講師：tom5（北風(fēng)網(wǎng) )第十講 Lucene搜索深入實戰(zhàn)續(xù)一FuzzyQuery模糊搜索word,work,world,seed,sword,fordworkwork,wordFuzzyQuery(Termterm) FuzzyQuery(Termterm, intmaxEdits)模糊字?jǐn)?shù)maxEdits- must be = 0 and =LevenshteinAutomata.MAXIMUM_SUPPORTED_DISTANCE 2， maxEdits=0 FuzzyQuery變成了TermQuery。FuzzyQuery(Termterm, intmaxEdits, i

2、ntprefixLength)prefixLength參數(shù)代表：要有多少個前綴字母必須完全其配。代碼實戰(zhàn)：FuzzyQueryDemo.javaWildcardQuery通配符搜索*代表0到多個字符, ?代表一個單一的字符Term t = new Term(content,?o*);WildcardQuery query = new WildcardQuery(t);代碼實戰(zhàn)：WildcardQueryDemo.javaRegexpQuery正則表達(dá)式搜索注意：sandboxlibjakarta-regexp-1.4.jar 放入工程。 String regex = http:/a-z1,3.

3、abc /.*; /構(gòu)建Term Term term=new Term(url,regex); RegexpQuery query=new RegexpQuery(term);代碼實戰(zhàn)：RegexQueryDemo.java正則表達(dá)式語法正則表達(dá)式是一種文本模式，包括普通字符（例如，a 到 z 之間的字母）和特殊字符（稱為“元字符”）。模式描述在搜索文本時要匹配的一個或多個字符串。正則表達(dá)式示例:表達(dá)式匹配/s*$/匹配空行。/d2 d-5/驗證由兩位數(shù)字、一個連字符再加 5 位數(shù)字組成的 ID 號。/*)?sS*/匹配 HTML 標(biāo)記。正則表達(dá)式語法下表包含了元字符的完整列表以及它們在正則表

4、達(dá)式上下文中的行為：:字符說明將下一字符標(biāo)記為特殊字符、文本、反向引用或八進(jìn)制轉(zhuǎn)義符。例如，“n”匹配字符“n”?！皀”匹配換行符。序列“”匹配“”，“(”匹配“(”。匹配輸入字符串開始的位置。如果設(shè)置了RegExp對象的Multiline屬性， 還會與“n”或“r”之后的位置匹配。$匹配輸入字符串結(jié)尾的位置。如果設(shè)置了RegExp對象的Multiline屬性，$ 還會與“n”或“r”之前的位置匹配。*零次或多次匹配前面的字符或子表達(dá)式。例如，zo* 匹配“z”和“zoo”。* 等效于 0,。+一次或多次匹配前面的字符或子表達(dá)式。例如，“zo+”與“zo”和“zoo”匹配，但與“z”不匹配。+

5、 等效于 1,。?零次或一次匹配前面的字符或子表達(dá)式。例如，“do(es)?”匹配“do”或“does”中的“do”。? 等效于 0,1。nn是非負(fù)整數(shù)。正好匹配n次。例如，“o2”與“Bob”中的“o”不匹配，但與“food”中的兩個“o”匹配。n,n是非負(fù)整數(shù)。至少匹配n次。例如，“o2,”不匹配“Bob”中的“o”，而匹配“foooood”中的所有 o。“o1,”等效于“o+”?！皁0,”等效于“o*”。正則表達(dá)式語法n,mM和n是非負(fù)整數(shù)，其中n=m。匹配至少n次，至多m次。例如，“o1,3”匹配“fooooood”中的頭三個 o。o0,1 等效于 o?。注意：您不能將空格插入逗號和數(shù)

6、字之間。?當(dāng)此字符緊隨任何其他限定符（*、+、?、n、n,、n,m）之后時，匹配模式是“非貪心的”。“非貪心的”模式匹配搜索到的、盡可能短的字符串，而默認(rèn)的“貪心的”模式匹配搜索到的、盡可能長的字符串。例如，在字符串“oooo”中，“o+?”只匹配單個“o”，而“o+”匹配所有“o”。.匹配除“n”之外的任何單個字符。若要匹配包括“n”在內(nèi)的任意字符，請使用諸如“sS”之類的模式。(pattern)匹配pattern并捕獲該匹配的子表達(dá)式。可以使用$0$9屬性從結(jié)果“匹配”集合中檢索捕獲的匹配。若要匹配括號字符 ( )，請使用“(”或者“)”。(?:pattern)匹配pattern但不捕獲該

7、匹配的子表達(dá)式，即它是一個非捕獲匹配，不存儲供以后使用的匹配。這對于用“or”字符 (|) 組合模式部件的情況很有用。例如，industr(?:y|ies) 是比 industry|industries 更經(jīng)濟(jì)的表達(dá)式。(?=pattern)執(zhí)行正向預(yù)測先行搜索的子表達(dá)式，該表達(dá)式匹配處于匹配pattern的字符串的起始點的字符串。它是一個非捕獲匹配，即不能捕獲供以后使用的匹配。例如，Windows (?=95|98|NT|2000) 匹配“Windows 2000”中的“Windows”，但不匹配“Windows 3.1”中的“Windows”。預(yù)測先行不占用字符，即發(fā)生匹配后，下一匹配的搜

8、索緊隨上一匹配之后，而不是在組成預(yù)測先行的字符后。(?!pattern)執(zhí)行反向預(yù)測先行搜索的子表達(dá)式，該表達(dá)式匹配不處于匹配pattern的字符串的起始點的搜索字符串。它是一個非捕獲匹配，即不能捕獲供以后使用的匹配。例如，Windows (?!95|98|NT|2000) 匹配“Windows 3.1”中的 “Windows”，但不匹配“Windows 2000”中的“Windows”。預(yù)測先行不占用字符，即發(fā)生匹配后，下一匹配的搜索緊隨上一匹配之后，而不是在組成預(yù)測先行的字符后。正則表達(dá)式語法x|y匹配x或y。例如，z|food 匹配“z”或“food”。(z|f)ood 匹配“zood”

9、或“food”。xyz字符集。匹配包含的任一字符。例如，“abc”匹配“plain”中的“a”。xyz反向字符集。匹配未包含的任何字符。例如，“abc”匹配“plain”中的“p”。a-z字符范圍。匹配指定范圍內(nèi)的任何字符。例如，“a-z”匹配“a”到“z”范圍內(nèi)的任何小寫字母。a-z反向范圍字符。匹配不在指定的范圍內(nèi)的任何字符。例如，“a-z”匹配任何不在“a”到“z”范圍內(nèi)的任何字符。b匹配一個字邊界，即字與空格間的位置。例如，“erb”匹配“never”中的“er”，但不匹配“verb”中的“er”。B非字邊界匹配?！癳rB”匹配“verb”中的“er”，但不匹配“never”中的“er

10、”。cx匹配x指示的控制字符。例如，cM 匹配 Control-M 或回車符。x的值必須在 A-Z 或 a-z 之間。如果不是這樣，則假定 c 就是“c”字符本身。d數(shù)字字符匹配。等效于 0-9。D非數(shù)字字符匹配。等效于 0-9。f換頁符匹配。等效于 x0c 和 cL。n換行符匹配。等效于 x0a 和 cJ。正則表達(dá)式語法r匹配一個回車符。等效于 x0d 和 cM。s匹配任何空白字符，包括空格、制表符、換頁符等。與 fnrtv 等效。S匹配任何非空白字符。與 fnrtv 等效。t制表符匹配。與 x09 和 cI 等效。v垂直制表符匹配。與 x0b 和 cK 等效。w匹配任何字類字符，包括下劃線

11、。與“A-Za-z0-9_”等效。W與任何非單詞字符匹配。與“A-Za-z0-9_”等效。xn匹配n，此處的n是一個十六進(jìn)制轉(zhuǎn)義碼。十六進(jìn)制轉(zhuǎn)義碼必須正好是兩位數(shù)長。例如，“x41”匹配“A”?！皒041”與“x04”&“1”等效。允許在正則表達(dá)式中使用 ASCII 代碼。num匹配num，此處的num是一個正整數(shù)。到捕獲匹配的反向引用。例如，“(.)1”匹配兩個連續(xù)的相同字符。n標(biāo)識一個八進(jìn)制轉(zhuǎn)義碼或反向引用。如果 n前面至少有n個捕獲子表達(dá)式，那么n是反向引用。否則，如果n是八進(jìn)制數(shù) (0-7)，那么n是八進(jìn)制轉(zhuǎn)義碼。nm標(biāo)識一個八進(jìn)制轉(zhuǎn)義碼或反向引用。如果 nm前面至少有nm個捕獲子表達(dá)

12、式，那么nm是反向引用。如果 nm前面至少有n個捕獲，則n是反向引用，后面跟有字符m。如果兩種前面的情況都不存在，則 nm匹配八進(jìn)制值nm，其中n和m是八進(jìn)制數(shù)字 (0-7)。nml當(dāng)n是八進(jìn)制數(shù) (0-3)，m和l是八進(jìn)制數(shù) (0-7) 時，匹配八進(jìn)制轉(zhuǎn)義碼nml。un匹配n，其中n是以四位十六進(jìn)制數(shù)表示的 Unicode 字符。例如，u00A9 匹配版權(quán)符號 ()。SpanQuery跨度搜索Man always remember love because of romance only每個term均有一個位置：Man是1，always是2，remember是3如果跨度為3，則應(yīng)該包括Man always remember 3個term。在某種跨度范圍內(nèi)，查找關(guān)鍵詞并匹配文檔，稱為跨度搜索SpanQuer