简短答案:请勿使用通配符查询,请使用带有的自定义分析器
EdgeNGramFilterFactory。另外,不要尝试自己分析查询(这就是通过将查询分为术语来完成的):Lucene会做得更好(特别是使用
WhitespaceTokenizerFactory,an
ASCIIFoldingFilterFactory和a
LowercaseFilterFactory)。
长答案:
通配符查询作为解决一次性问题的快速简便的方法很有用,但通配符不是很灵活,可以很快达到其极限。特别是,如@femtoRgon所述,不会对这些查询进行分析,因此,例如,大写查询将不匹配小写名称。
解决Lucene世界中大多数问题的经典解决方案是在索引时间和查询时间(不一定相同)使用特制的分析器。在您的情况下,您将需要在建立索引时使用这种分析器:
@AnalyzerDef(name = "edgeNgram", tokenizer = @TokenizerDef(factory = WhitespaceTokenizerFactory.class), filters = { @TokenFilterDef(factory = ASCIIFoldingFilterFactory.class), // Replace accented characeters by their simpler counterpart (è => e, etc.) @TokenFilterDef(factory = LowerCaseFilterFactory.class), // Lowercase all characters @TokenFilterDef( factory = EdgeNGramFilterFactory.class, // Generate prefix tokens params = { @Parameter(name = "minGramSize", value = "1"), @Parameter(name = "maxGramSize", value = "10") } ) })这种查询时:
@AnalyzerDef(name = "edgeNGram_query", tokenizer = @TokenizerDef(factory = WhitespaceTokenizerFactory.class), filters = { @TokenFilterDef(factory = ASCIIFoldingFilterFactory.class), // Replace accented characeters by their simpler counterpart (è => e, etc.) @TokenFilterDef(factory = LowerCaseFilterFactory.class) // Lowercase all characters })索引分析器会将“ Mauricio Ubilla Carvajal”转换为以下令牌列表:
- m
- ma
- mau
- maur
- mauri
- mauric
- maurici
- mauricio
- u
- ub
- …
- ubilla
- C
- ca
- …
- carvajal
然后查询分析器会将查询“ mau UB”转换为[“ mau”,“ ub”],这将与索引名称匹配(两个令牌都存在于索引中)。
请注意,您显然必须将分析器分配给该字段。对于索引部分,它是使用
@Analyzer注释完成的。对于查询部分,你将不得不使用
overridesForField的查询生成器如图所示在这里:
QueryBuilder queryBuilder = fullTextEntityManager.getSearchFactory().buildQueryBuilder().forEntity(Hospital.class) .overridesForField( "name", "edgeNGram_query" ) .get();// Then it's business as usual
还要注意,在Hibernate Search 5中,只有在将它们实际分配给索引的情况下,Elasticsearch分析器定义才由Hibernate
Search生成。因此,默认情况下不会生成查询分析器定义,Elasticsearch将抱怨它不知道分析器。这是一种解决方法:https :
//discourse.hibernate.org/t/cannot-find-the-overridden-analyzer-when-using-
overridesforfield/1043/4?u=yrodiere



