Java Lucene搜索-是否可以搜索范围内的数字？

Question

使用Lucene libs，我需要对现有的搜索函数进行一些更改：假设以下对象：

名称：“端口对象1”

数据："TCP（1)/1000-2000"

查询（或搜索文本）为“1142”，是否可以在数据字段内搜索“1142”并找到端口对象1，因为它指的是1000-2000之间的范围？

我只找到了数值范围查询，但这不适用于本例，因为我不知道范围。。。

package com.company;

import java.io.IOException;

import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.StringField;
import org.apache.lucene.document.TextField;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.queryparser.classic.ParseException;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.RAMDirectory;

public class Main {
    public static void main(String[] args) throws IOException, ParseException {
        StandardAnalyzer analyzer = new StandardAnalyzer();

        // 1. create the index
        Directory index = new RAMDirectory();

        IndexWriterConfig config = new IndexWriterConfig(analyzer);

        IndexWriter w = new IndexWriter(index, config);
        addDoc(w, "TCP (6)/1100-2000", "193398817");
        addDoc(w, "TCP (6)/3000-4200", "55320055Z");
        addDoc(w, "UDP (12)/50000-65000", "55063554A");
        w.close();

        // 2. query
        String querystr = "1200";

        Query q = new QueryParser("title", analyzer).parse(querystr);

        // 3. search
        int hitsPerPage = 10;
        IndexReader reader = DirectoryReader.open(index);
        IndexSearcher searcher = new IndexSearcher(reader);
        TopDocs docs = searcher.search(q, hitsPerPage);
        ScoreDoc[] hits = docs.scoreDocs;

        // 4. display results
        System.out.println("Found " + hits.length + " hits.");
        for(int i=0;i<hits.length;++i) {
            int docId = hits[i].doc;
            Document d = searcher.doc(docId);
            System.out.println((i + 1) + ". " + d.get("isbn") + "\t" + d.get("title"));
        }

        reader.close();
    }

    private static void addDoc(IndexWriter w, String title, String isbn) throws IOException {
        Document doc = new Document();
        doc.add(new TextField("title", title, Field.Store.YES));

        doc.add(new StringField("isbn", isbn, Field.Store.YES));
        w.addDocument(doc);
    }
}

参考以上代码。查询"1200"应该找到第一个doc。

LE：

我想我需要的正好与范围搜索相反：https://lucene.apache.org/core/5_5_0/queryparser/org/apache/lucene/queryparser/classic/package-summary.html#Range_Searches

Answer 1

我设法添加了另一个字段，它现在工作了。另外，你知道除了IPv4，我怎么能做同样的搜索吗？如果我在“192.168.0.1-192.168.0.255”字符串中搜索类似“192.168.0.100”的东西？

嗨@CristianNicolaePerjescu我不能发表评论，因为我的声誉，但是你可以创建一个扩展Field的类，并将其添加到你的Lucene索引中。例如：

public class InetAddressRange extends Field {
  ...

  /**
   * Create a new InetAddressRange from min/max value
   * @param name field name. must not be null.
   * @param min range min value; defined as an {@code InetAddress}
   * @param max range max value; defined as an {@code InetAddress}
   */
  public InetAddressRange(String name, final InetAddress min, final InetAddress max) {
    super(name, TYPE);
    setRangeValues(min, max);
  }

  ...

}

然后添加到索引中：

document.add(new InetAddressRange("field", InetAddressFrom, InetAddressTo));

在类中，您可以添加自己的查询格式，如：

  public static Query newIntersectsQuery(String field, final InetAddress min, final InetAddress max) {
    return newRelationQuery(field, min, max, QueryType.INTERSECTS);
  }

  /** helper method for creating the desired relational query */
  private static Query newRelationQuery(String field, final InetAddress min, final InetAddress max, QueryType relation) {
    return new RangeFieldQuery(field, encode(min, max), 1, relation) {
      @Override
      protected String toString(byte[] ranges, int dimension) {
        return InetAddressRange.toString(ranges, dimension);
      }
    };
  }

我希望这对你有帮助。

Answer 2

这里有一种方法，但它要求您在数据被Lucene索引之前，将范围数据解析为单独的值。所以，例如，从这里：

"TCP (6)/1100-2000"

您需要提取这两个值（例如，使用正则表达式）：1100和2000。

向每个文档添加一个新字段（例如，名为“tcpRange”），并将其定义为一个LongRange字段。

（如果不需要长值，也可以使用内部消息。）

long[] min = { 1100 };
long[] max = { 2000 };
Field tcpRange = new LongRange("tcpRange", min, max);

这些值是在数组中定义的，因为此范围类型可以在一个字段中处理多个范围。但在我们的案例中，我们只需要一个范围。

然后，您可以使用“包含”查询来搜索您的特定值，例如1200：

long[] searchValue = { 1200 };
Query containsQuery = LongRange.newContainsQuery("tcpRange", searchValue, searchValue);

注意：我的示例基于Lucene的最新版本（8.5）。我相信这也适用于其他早期版本。

编辑

关于本答案评论中提出的其他问题。。。

以下方法将IPv4地址转换为long值。使用它可以处理IP地址范围（并且可以使用与上面相同的LongRange方法）：

public long ipToLong(String ipAddress) {
    long result = 0;
    String[] ipAddressInArray = ipAddress.split("\\.");
    for (int i = 3; i >= 0; i--) {
        long ip = Long.parseLong(ipAddressInArray[3 - i]);
        // left shifting 24, 16, 8, 0 with bitwise OR
        result |= ip << (i * 8);
    }
    return result;
}

这也意味着不必处理有效的子网范围-任何两个IP地址都将生成一组连续的数字。

该方法归功于该mkyong现场。