Lucene学习总结之八：Lucene的查询语法，JavaCC及QueryParser.docVIP

一、Lucene的查询语法 Lucene所支持的查询语法可见 /java/3_0_1/queryparsersyntax.html (1) 语法关键字 + - || ! ( ) { } [ ] ^ ~ * ? : \ 如果所要查询的查询词中本身包含关键字，则需要用\进行转义 (2) 查询词(Term) Lucene支持两种查询词，一种是单一查询词，如hello，一种是词组(phrase)，如hello world。 (3) 查询域(Field) 在查询语句中，可以指定从哪个域中寻找查询词，如果不指定，则从默认域中查找。 查询域和查询词之间用:分隔，如title:Do it right。 :仅对紧跟其后的查询词起作用，如果title:Do it right，则仅表示在title中查询Do，而it right要在默认域中查询。 (4) 通配符查询(Wildcard) 支持两种通配符：?表示一个字符，*表示多个字符。 通配符可以出现在查询词的中间或者末尾，如te?t，test*，te*t，但决不能出现在开始，如*test，?test。 (5) 模糊查询(Fuzzy) 模糊查询的算法是基于Levenshtein Distance，也即当两个词的差别小于某个比例的时候，就算匹配，如roam~0.8，即表示差别小于0.2，相似度大于0.8才算匹配。 (6) 临近查询(Proximity) 在词组后面跟随~10，表示词组中的多个词之间的距离之和不超过10，则满足查询。 所谓词之间的距离，即查询词组中词为满足和目标词组相同的最小移动次数。 如索引中有词组apple boy cat。 如果查询词为apple boy cat~0，则匹配。 如果查询词为boy apple cat~2，距离设为2方能匹配，设为1则不能匹配。 (0) boy apple cat (1) boy apple cat (2) apple boy cat 如果查询词为cat boy apple~4，距离设为4方能匹配。 (0) cat boy apple (1) cat boy apple (2) boy cat apple (3) boy apple cat (4) apple boy cat ? (7) 区间查询(Range) 区间查询包含两种，一种是包含边界，用[A TO B]指定，一种是不包含边界，用{A TO B}指定。 如date:TO，当然区间查询不仅仅用于时间，如title:{Aida TO Carmen} (8) 增加一个查询词的权重(Boost) 可以在查询词后面加^N来设定此查询词的权重，默认是1，如果N大于1，则说明此查询词更重要，如果N小于1，则说明此查询词更不重要。 如jakarta^4 apache，jakarta apache^4 Apache Lucene (9) 布尔操作符 布尔操作符包括连接符，如AND，OR，和修饰符，如NOT，+，-。 默认状态下，空格被认为是OR的关系，QueryParser.setDefaultOperator(Operator.AND)设置为空格为AND。 +表示一个查询语句是必须满足的(required)，NOT和-表示一个查询语句是不能满足的(prohibited)。 (10) 组合 可以用括号，将查询语句进行组合，从而设定优先级。 如(jakarta OR apache) AND website ? Lucene的查询语法是由QueryParser来进行解析，从而生成查询对象的。 通过编译原理我们知道，解析一个语法表达式，需要经过词法分析和语法分析的过程，也即需要词法分析器和语法分析器。 QueryParser是通过JavaCC来生成词法分析器和语法分析器的。 ? 二、JavaCC介绍 本节例子基本出于JavaCC tutorial的文章， http://www.engr.mun.ca/~theo/JavaCC-Tutorial/ JavaCC是一个词法分析器和语法分析器的生成器。 所谓词法分析器就是将一系列字符分成一个个的Token，并标记Token的分类。 例如，对于下面的C语言程序： int main() { ??? return 0 ; } ??? 将被分成以下的Token: “int”, “ ”, “main”, “(”, “)”, “”,“{”, “\n”, “\t”, “return” “”,“0”,“”,“;”,“\n”, “}”, “\n”, “” 标记了Token的类型后如下： KWINT, SPACE, ID, OPAR, CPAR, SPACE, OBRACE, SPACE, SPACE, KWRETURN, SPA