lucene里面的过滤

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


Java代码 复制代码 收藏代码
1.id score bookname ename type price date
2.1 1 飘渺之旅 pmzl 小说 52.23 201005
3.2 1 三国演义 sgyy 小说 36.13 201207
4.3 1 数据库实战 sjksz 技术 77.13 200811
5.4 1 编程宝典 bcbd 技术 100.3 200501
6.5 1 职场关系论 zcgxl 职场 36.59 200501
7.6 1 健康生活 jksh 生活 20.47 200008
8.7 1 看清本质 kqbz 社会 10.37 201004
9.8 1 编程,编程 bcbc 社会 10.37 201004


核心代码


Java代码 复制代码 收藏代码
1.//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
2. //倒数第二个为true时，包含查询边界，为false时不包含
3. TermRangeFilter filter=new TermRangeFilter("ename", new BytesRef("h"), new BytesRef("n"), true, true);
4. TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式


输出结果


Java代码 复制代码 收藏代码
1.6 1 健康生活 jksh 生活 20.47 200008
2.7 1 看清本质 kqbz 社会 10.37 201004


核心代码


Java代码 复制代码 收藏代码
1.NumericRangeFilter<Double> filter=NumericRangeFilter.newDoubleRange("price", 10D, 40D, true, false);
2. TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式


输出结果


Java代码 复制代码 收藏代码
1.2 1 三国演义 sgyy 小说 36.13 201207
2.5 1 职场关系论 zcgxl 职场 36.59 200501
3.6 1 健康生活 jksh 生活 20.47 200008
4.7 1 看清本质 kqbz 社会 10.37 201004
5.8 1 编程,编程 bcbc 社会 10.37 201004


核心代码


Java代码 复制代码 收藏代码
1.//使用缓存过滤
2. Filter filter=FieldCacheRangeFilter.newDoubleRange("price", 20D, 50D, true, true);
3. TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式


输出结果


Java代码 复制代码 收藏代码
1.2 1 三国演义 sgyy 小说 36.13 201207
2.5 1 职场关系论 zcgxl 职场 36.59 200501
3.6 1 健康生活 jksh 生活 20.47 200008


核心代码


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


输出结果


Java代码 复制代码 收藏代码
1.3 1 数据库实战 sjksz 技术 77.13 200811
2.4 1 编程宝典 bcbd 技术 100.3 200501
3.7 1 看清本质 kqbz 社会 10.37 201004
4.8 1 编程,编程 bcbc 社会 10.37 201004


核心代码


Java代码 复制代码 收藏代码
1.//使用QueryWrapperFilter类包装一个Query
2. QueryWrapperFilter filter=new QueryWrapperFilter(new TermQuery(new Term("type", "技术")));
3. TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式


输出结果


Java代码 复制代码 收藏代码
1.3 1 数据库实战 sjksz 技术 77.13 200811
2.4 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


Java代码 复制代码 收藏代码
1.package com.sanjiesanxian.test;
2.
3.import java.io.IOException;
4.import java.util.BitSet;
5.
6.import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
7.import org.apache.lucene.index.AtomicReaderContext;
8.import org.apache.lucene.index.DocsEnum;
9.import org.apache.lucene.index.Term;
10.import org.apache.lucene.search.DocIdSet;
11.import org.apache.lucene.search.Filter;
12.import org.apache.lucene.util.AttributeSource;
13.import org.apache.lucene.util.Bits;
14.import org.apache.lucene.util.DocIdBitSet;
15.import org.apache.lucene.util.FixedBitSet;
16.import org.apache.lucene.util.OpenBitSet;
17.
18./***
19. *^_^ ^_^ ^_^
20. * QQ交流探讨群:324714439
21. * 自定义过滤器
22. * @author 三劫散仙
23. * */
24.public class MyCustomFilter extends Filter{
25.
26. public MyCustomFilter() {
27. // TODO Auto-generated constructor stub
28. }
29.
30. private String[] terms;//限制返回的数据字典
31. public MyCustomFilter(String ...terms) {
32. // TODO Auto-generated constructor stub
33. this.terms=terms;
34. }
35. @Override
36. public DocIdSet getDocIdSet(AtomicReaderContext arg0, Bits arg1)
37. throws IOException {
38. FixedBitSet bits=new FixedBitSet(arg0.reader().maxDoc()) ;//获取没有所有的docid包括未删除的
39. int base=arg0.docBase;//段的相对基数，保证多个段时相对位置正确
40. //int limit=base+arg0.reader().maxDoc();//计算最大限制值
41. for(String s:terms){
42. DocsEnum doc=arg0.reader().termDocsEnum(new Term("id", s));//必须是唯一的不重复
43. //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
44. if(doc.nextDoc()!=-1){
45. bits.set(doc.docID());//对付符合条件约束的docid循环添加到bits里面
46. }
47. }
48. return bits;
49. }
50.
51.
52.
53.
54.
55.
56.
57.
58.}


测试查询代码


Java代码 复制代码 收藏代码
1.MyCustomFilter filter=new MyCustomFilter("3","5","2");//随意指定1之多个需要过滤的项
2.TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);


输出结果


Java代码 复制代码 收藏代码
1.2 1 三国演义 sgyy 小说 36.13 201207
2.3 1 数据库实战 sjksz 技术 77.13 200811
3.5 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