java - 使用 SolR 的不同类型术语构建查询

Question

我有一个 Web 应用程序，可以通过 SolR 上的 url 查询执行搜索。

结果作为 Document 对象接收。

我的查询如下:q=Book:Harlan AND Book:Coben AND ..，它工作正常。

String[] word = searchedWord.trim().split(" ");
for (int i = 0; i < word.length; i++) {
    if (!StringUtils.isEmpty(word[i])) {
        if (i > 0) {
            query.append("%20AND%20");
        } 
        String utf_encoded = URLEncoder.encode(StringEscapeUtils.escapeJava(word[i]), "UTF-8");
    }
}

但我需要强制执行搜索术语的类型，因为当搜索术语类似于精确术语:“Harlan Coben”时，此代码将其分成两个单词“Harlan 和 Coben"

根据示例，我的网络应用程序应该能够搜索:

确切条款:“Harlan Coben”

多个术语:shakespeare harlan coben

多个混合术语:shakespeare "harlan coben"coben 或 shakespear "harlan coben" 或 "harlan coben"coben

调用 SolR 的 URL 采用 UTF-8 编码以替换特殊字符。

我应该如何进行？通过正则表达式 ?或者还有其他方法吗？

------编辑--------

更具体地说，所有这些字符都可以是“@(!ùéàç”或中文/俄语或任何其他字符(unicode？)特定语言。

我需要匹配它们并将它们分开以准备 SolR 查询。

示例:

如果搜索词是:coben "Harlan Coben"s(554603)hakesdpeare Straße Привет我的正则表达式应该匹配并给出这个结果:

 coben
 "Harlan Coben"
 s(554603)hakesdpeare
 Straße
 Привет

然后我需要将它们与 AND Book: 或 juste Book: 连接起来以进行如下查询:

q=Book:coben AND Book:"Harlan Coben"AND Book:s(554603)hakesdpeare AND Book:Straße AND Book:Привет

我尝试了 @fge 的 ("[a-z]+(?:\s+[a-z]+)+"|[a-z]+)(?:\s+|$) (感谢那个)，但它只与 [a-z] 匹配，我用 \\p{all} 尝试过，但没有成功..

有什么想法吗？

------结束编辑--------

感谢您的帮助!

Answer 1

你可以使用正则表达式，但它会很复杂；在这种情况下，您需要更换。这里假设您的搜索词中只有字母:

("[a-z]+(?:\s+[a-z]+)+"|[a-z]+)(?:\s+|$)

(请注意，这里的交替顺序很重要!)

示例:

public final class Bar
{
    private static final Pattern PATTERN = Pattern
        .compile("(\"[a-z]+(?:\\s+[a-z]+)+\"|[a-z]+)(?:\\s+|$)",
            Pattern.CASE_INSENSITIVE);

    public static void main(final String... args)
        throws IOException
    {
        tryAndMatch("\"Harlan Coben\"");
        tryAndMatch("shakespeare harlan coben");
        tryAndMatch("shakespeare \"harlan coben\" coben");
    }

    private static void tryAndMatch(final String input)
    {
        final Matcher m = PATTERN.matcher(input);

        System.out.printf("INPUT: -->%s<--\n", input);

        while (m.find())
            System.out.printf("Term -->%s<--\n", m.group(1));

        System.out.println("END INPUT");
    }
}

<小时/>

现在，对于 URL 的替换，请注意 URLEncoder 不是用来编码 URL 组件的，它是用来编码 application/x-www 的-form-urlencoded 数据，其中空格变为 +，并且不具有与 URI 路径或片段相同的转义字符集。

最准确的解决方案是使用 URI 模板。这允许您编写模板，例如:

http://my.site/?q={query}

其中 query 是任何 Unicode 字符串，这将为您对其进行编码( self 推销:如果您有兴趣，我有一个 library to do that )。

第二种是使用Guava 15.0+，它有一个set of escapers especially made for URLs .