欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

Lucene4.3开发之第六步之分神中期(六)

程序员文章站 2022-03-02 20:25:50
...


转载请注明,原创地址,谢谢配合!
http://qindongliang1922.iteye.com/blog/1934607


散仙前些日子写了两篇Lucene的插曲,分别是关于分词和分页的知识,虽然当成插曲写,但是其内容还是比较重要的,因为那些知识在实际的运用以及开发中用的还是比较常见,所以还是要用心的了解一下。

散仙今天要写的是关于过滤方面的知识,也就是Filter,如果了解Solr的朋友们,肯定都会知道Solr里面fq这个参数,这个参数的作用其实就是lucene里面的过滤,对一些q参数查询的结果集,做过滤或者限制返回一些我们需要的内容,可以理解成缩小搜索空间的一种策略。

在这里散仙先介绍下查询与过滤的区别和联系,其实查询(各种Query)和过滤(各种Filter)之间非常相似,可以这样说只要用Query能完成的事,用过滤也都可以完成,它们之间可以相互转换,最大的区别就是使用过滤返回的结果集不带评分操作,而使用Query返回的结果都是带相关性评分的,所以当我们如果有一些跟评分操作没有关系的业务,优先使用Filter操作,将会获取更好的性能,其实这也是Solr里面的q参数跟fq参数的区别。


下面,开始进入正题,在这之前,散仙还是喜欢老生常谈的先来了解一下Lucene里面有关于Filter的整体知识

Lucene4.3开发之第六步之分神中期(六)
            
    
    博客分类: Lucene(修真篇) lucene过滤Filter 

下面,我们来看下具体的在代码里怎么实现,先来看下我们的测试数据
id		score		bookname	ename		type	        price		date
1		1		飘渺之旅		pmzl		小说		52.23		201005		
2		1		三国演义		sgyy		小说		36.13		201207		
3		1		数据库实战		sjksz		技术		77.13		200811		
4		1		编程宝典		bcbd		技术		100.3		200501		
5		1		职场关系论		zcgxl		职场		36.59		200501		
6		1		健康生活		jksh		生活		20.47		200008		
7		1		看清本质		kqbz		社会		10.37		201004		
8		1		编程,编程		bcbc		社会		10.37		201004	

核心代码
//使用过滤器   最后一个为true时包含边界部分,为false时不包含边界部分
		   //倒数第二个为true时,包含查询边界,为false时不包含
		   TermRangeFilter filter=new TermRangeFilter("ename", new BytesRef("h"), new BytesRef("n"), true, true);
		   TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果
6		1		健康生活		jksh		生活		20.47		200008		
7		1		看清本质		kqbz		社会		10.37		201004	

核心代码
  NumericRangeFilter<Double> filter=NumericRangeFilter.newDoubleRange("price", 10D, 40D, true, false);
		  TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果
2		1		三国演义		sgyy		小说		36.13		201207		
5		1		职场关系论		zcgxl		职场		36.59		200501		
6		1		健康生活		jksh		生活		20.47		200008		
7		1		看清本质		kqbz		社会		10.37		201004		
8		1		编程,编程		bcbc		社会		10.37		201004


核心代码
  //使用缓存过滤
		    Filter filter=FieldCacheRangeFilter.newDoubleRange("price", 20D, 50D, true, true);
		    TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果
2		1		三国演义		sgyy		小说		36.13		201207		
5		1		职场关系论		zcgxl		职场		36.59		200501		
6		1		健康生活		jksh		生活		20.47		200008	

核心代码
	   // 缓存域过滤特定的类别
		   Filter filter=new FieldCacheTermsFilter("type", new String[]{"技术","社会"});
		   TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果
3		1		数据库实战		sjksz		技术		77.13		200811		
4		1		编程宝典		bcbd		技术		100.3		200501		
7		1		看清本质		kqbz		社会		10.37		201004		
8		1		编程,编程		bcbc		社会		10.37		201004	

核心代码
 //使用QueryWrapperFilter类包装一个Query
		     QueryWrapperFilter  filter=new QueryWrapperFilter(new TermQuery(new Term("type", "技术")));
		     TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果
3		1		数据库实战		sjksz		技术		77.13		200811		
4		1		编程宝典		bcbd		技术		100.3		200501	


最后我来看下,如何继承Filter基类,来定制我们自己的filter,自定义的Filter,虽然某些时候,功能很强大灵活,但是有几个缺点,我们的了解1,保证是内容不重复的字段,例如主键,如果重复,默认返回第一个作为结果集显示2,保证不能被分词的内容,如果是分词的字段,则可能会出现一些不正确的结果。
自定义Filter类
package com.sanjiesanxian.test;

import java.io.IOException;
import java.util.BitSet;

import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.apache.lucene.index.AtomicReaderContext;
import org.apache.lucene.index.DocsEnum;
import org.apache.lucene.index.Term;
import org.apache.lucene.search.DocIdSet;
import org.apache.lucene.search.Filter;
import org.apache.lucene.util.AttributeSource;
import org.apache.lucene.util.Bits;
import org.apache.lucene.util.DocIdBitSet;
import org.apache.lucene.util.FixedBitSet;
import org.apache.lucene.util.OpenBitSet;

/***
 *^_^  ^_^  ^_^
 * QQ交流探讨群:324714439
 * 自定义过滤器
 * @author 三劫散仙
 * */
public class MyCustomFilter extends Filter{
	
	public MyCustomFilter() {
		// TODO Auto-generated constructor stub
	}
	
	private String[] terms;//限制返回的数据字典
	public MyCustomFilter(String ...terms) {
		// TODO Auto-generated constructor stub
		this.terms=terms;
	}
	@Override
	public DocIdSet getDocIdSet(AtomicReaderContext arg0, Bits arg1)
			throws IOException {
		FixedBitSet bits=new FixedBitSet(arg0.reader().maxDoc())  ;//获取没有所有的docid包括未删除的
		 int base=arg0.docBase;//段的相对基数,保证多个段时相对位置正确
		 //int limit=base+arg0.reader().maxDoc();//计算最大限制值
		for(String s:terms){
			  DocsEnum doc=arg0.reader().termDocsEnum(new Term("id", s));//必须是唯一的不重复
			  //保证是单个不重复的term,如果重复的话,默认会取第一个作为返回结果集,分词后的term也不适用自定义term
			  if(doc.nextDoc()!=-1){ 
			    bits.set(doc.docID());//对付符合条件约束的docid循环添加到bits里面
				}
			  }
		return bits;
	}
	
	
	
	

	
	
	
}

测试查询代码
		   MyCustomFilter filter=new MyCustomFilter("3","5","2");//随意指定1之多个需要过滤的项
		   TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);

输出结果
2		1		三国演义		sgyy		小说		36.13		201207		
3		1		数据库实战		sjksz		技术		77.13		200811		
5		1		职场关系论		zcgxl		职场		36.59		200501	


自定义过滤器虽然有缺点,但是某些场景下却能发挥很灵活的作用,特别是对没有分词的字段进行过滤操作。

关于Lucene过滤部分的使用,散仙就介绍到这里,这些功能其实没什么难的,弄清理论,在练习几遍,就能很快学会了。
               

                 欢迎下次继续光临,谢谢!!!Lucene4.3开发之第六步之分神中期(六)
            
    
    博客分类: Lucene(修真篇) lucene过滤Filter 


转载请注明,原创地址,谢谢配合!
http://qindongliang1922.iteye.com/blog/1934607

  • Lucene4.3开发之第六步之分神中期(六)
            
    
    博客分类: Lucene(修真篇) lucene过滤Filter 
  • 大小: 106.1 KB