c# - index - Luke Lucene BooleanQuery

lucene index

Question

En Luke, la siguiente expresión de búsqueda arroja 23 resultados:

docurl:www.siteurl.com  docfile:Tomatoes*

Si paso esta misma expresión en mi aplicación C # Lucene.NET con la siguiente implementación:

        IndexReader reader = IndexReader.Open(indexName);
        Searcher searcher = new IndexSearcher(reader);
        try
        {
            QueryParser parser = new QueryParser("docurl", new StandardAnalyzer());
            BooleanQuery bquery = new BooleanQuery();
            Query parsedQuery = parser.Parse(query);
            bquery.Add(parsedQuery, Lucene.Net.Search.BooleanClause.Occur.MUST);
            int _max = searcher.MaxDoc();
            BooleanQuery.SetMaxClauseCount(Int32.MaxValue);
            TopDocs hits = searcher.Search(parsedQuery, _max)
            ...
        }

Obtengo 0 resultados

Luke está usando StandardAnalyzer y así es como se ve la ventana Explain Structure:

¿Debo crear manualmente objetos BooleanClause para cada campo en el que realizo una búsqueda, especificando Should para cada uno y luego agregarlos al objeto BooleanQuery con .Add() ? Pensé que QueryParser haría esto por mí. ¿Qué me estoy perdiendo?

Editar: Simplificando un poco, docfile:Tomatoes* devuelve 23 documentos en Luke, pero 0 en mi aplicación. Según la sugerencia de Per Gene, he cambiado de MUST a SHOULD :

            QueryParser parser = new QueryParser("docurl", new StandardAnalyzer());
            BooleanQuery bquery = new BooleanQuery();
            Query parsedQuery = parser.Parse(query);
            bquery.Add(parsedQuery, Lucene.Net.Search.BooleanClause.Occur.SHOULD);
            int _max = searcher.MaxDoc();
            BooleanQuery.SetMaxClauseCount(Int32.MaxValue);
            TopDocs hits = searcher.Search(parsedQuery, _max);

parsedQuery es simplemente docfile:tomatoes*

Edit2:

Creo que finalmente llegué al problema de raíz:

            QueryParser parser = new QueryParser("docurl", new StandardAnalyzer());
            Query parsedQuery = parser.Parse(query);

En la segunda línea, la query es "docfile:Tomatoes*" , pero parsedQuery es {docfile:tomatoes*} . Observe la diferencia? Minúscula ''t'' en la consulta analizada. Nunca me había dado cuenta de esto antes. Si cambio el valor en el IDE a ''T'', devuelven 23 resultados.

Comprobé que StandardAnalyzer se está utilizando al indexar y leer el índice. ¿Cómo queryParser para mantener el caso del valor de la query ?

Edit3: Wow, qué frustrante. De acuerdo con la documentación , puedo lograr esto con:

parser.setLowercaseExpandedTerms (falso);

Si los términos de las consultas de comodín, prefijo, difuso y de rango se deben incluir automáticamente o no. El valor predeterminado es verdadero

No discutiré si es un defecto sensato o no. Supongo que SimpleAnalyzer debería haberse usado para minúsculas dentro y fuera del índice. La parte frustrante es que, al menos con la versión que estoy usando, ¡Luke falla por otro lado! Al menos aprendí un poco más sobre Lucene.

Answer 1

QueryParser tomará una consulta como "docurl: www.siteurl.com docfile: Tomatoes *" y creará una consulta adecuada (consulta booleana, consulta de rango, etc.) dependiendo de la consulta dada (consulte la sintaxis de la consulta ).

El primer paso debe ser adjuntar un depurador e inspeccionar el valor y el tipo de parsedQuery .

Answer 2

Usar Occur.MUST es equivalente a usar el operador + con el analizador de consultas estándar. Por lo tanto, tu código está evaluando +docurl:www.siteurl.com +docfile:Tomatoes* lugar de la expresión que escribiste en Luke. Para obtener ese comportamiento, pruebe Occur.SHOULD cuando agregue sus cláusulas.