Hibernate Search：如何正确使用通配符？

一尘不染

Hibernate Search：如何正确使用通配符？

hibernate

我有以下查询，可以通过全名搜索特定医疗中心的患者：

MustJunction mj = qb.bool().must(qb.keyword()
    .onField("medicalCenter.id")
    .matching(medicalCenter.getId())
    .createQuery());
for(String term: terms)
    if(!term.equals(""))
       mj.must(qb.keyword()
       .onField("fullName")
       .matching(term+"*")
       .createQuery());

并且它运行良好，但前提是用户键入患者的完整姓氏和/或姓氏。

但是，即使用户键入了名字或姓氏 的一部分 ，我也想使它工作。

例如，如果有一个叫“ Bilbo Baggins”的患者，当用户键入“ Bilbo Baggins”，“ Bilbo”，“ Baggins”，
或者即使他仅键入“ Bil”或“ Bag”* 时，我希望通过搜索找到他 *

为此，我将上述查询修改如下：

MustJunction mj = qb.bool().must(qb.keyword()
    .onField("medicalCenter.id")
    .matching(medicalCenter.getId())
    .createQuery());
for(String term: terms)
    if(!term.equals(""))
       mj.must(qb.keyword()
       .wildcard()
       .onField("fullName")
       .matching(term+"*")
       .createQuery());

注意如何在调用onField（）之前添加通配符（）函数

但是，这会中断搜索并且不返回结果。我究竟做错了什么？

阅读 323

2020-06-20

共1个答案

一尘不染

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

2020-06-20