如何可靠解析org.apache.lucene.search.BooleanQuery的toString()输出？

BooleanQuery的toString()方法本质是调试用的人类可读输出，并非为机器解析设计，所以直接用SimpleQueryParser解析肯定会踩坑——比如你遇到的#字符，它是Lucene内部用来标记特定查询类型（比如SpanQuery或嵌套布尔查询）的符号，不属于标准查询语法，自然会被Analyzer过滤或解析器忽略。

给你几个靠谱的解决思路：

• 彻底抛弃用toString()做解析的思路：
  这是最根本的解决方案。如果需要持久化、传递Query对象，要么直接序列化Query实例（比如用Java原生序列化、Kryo等序列化框架），要么在生成Query时就同步生成符合Lucene标准查询语法的字符串（而不是依赖toString()输出）。比如你的示例查询，标准语法应该写成：

  +(title:bi OR title:"business intelligence")
  

  这个字符串用SimpleQueryParser可以直接正确解析。

• 若必须处理toString()输出，手动适配格式：
  如果只能拿到toString()的输出，需要先做格式转换：

  1. 识别并替换内部标记：比如把#(...)直接替换成(...)，因为这里的#只是内部标记，实际对应的是嵌套的布尔查询。
  2. 补全逻辑操作符：Lucene的toString()会省略默认的OR操作符，所以要把title:bi title:"business intelligence"补全为title:bi OR title:"business intelligence"。
  3. 注意：这种方法需要你对Lucene各类Query的toString()格式非常熟悉，不同Query类型的输出标记不同，后续Lucene版本更新可能还会变化，维护成本高，仅作为临时方案使用。

• 自定义解析器适配toString()格式：
  如果你经常需要处理这种场景，可以基于Antlr或手写解析逻辑，专门针对Lucene Query的toString()格式做解析，将其转换为对应的Query对象。但同样，这种方案需要跟随Lucene版本做适配，性价比不高。

内容的提问来源于stack exchange，提问作者Carl Mastrangelo