Lucene4.3开发之第六步之分神中期(六)

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



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！！！


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

评论

2 楼 qindongliang1922 2013-09-03  

sww176 写道

在山寨网上看到的文章，找到原文出处了，顶作者，期待后续教程。

呵呵，谢谢！

1 楼 sww176 2013-09-03  

在山寨网上看到的文章，找到原文出处了，顶作者，期待后续教程。