Lucene（Java）中PatternReplaceCharFilterFactory调用参数问题求助

问题根源 #

你调用addCharFilter的方式不符合Lucene API规范，CustomAnalyzer.builder的addCharFilter方法不需要直接传入Pattern或Reader，而是要给PatternReplaceCharFilterFactory传递键值对形式的配置参数，由工厂类自行创建对应的CharFilter。另外你写的正则([^a-z])是匹配所有非小写字母，和你要移除{、}、;的需求不匹配。

正确实现代码 #

public static ArrayList<String> analyzer_codigo(String texto) throws IOException {
    // 构建CustomAnalyzer并配置字符过滤规则
    Analyzer ana = CustomAnalyzer.builder(Paths.get("."))
            // 给PatternReplaceCharFilterFactory传入配置：匹配{、}、;，替换为空字符串
            .addCharFilter(PatternReplaceCharFilterFactory.class,
                    "pattern", "[{;}]",
                    "replacement", "")
            .withTokenizer(StandardTokenizerFactory.class)
            .addTokenFilter(LowerCaseFilterFactory.class)
            .build();

    return muestraTexto(ana, texto);
}

关键说明 #

• PatternReplaceCharFilterFactory的核心配置参数是pattern（匹配规则的正则表达式）和replacement（替换后的内容），必须以键值对的形式传递给addCharFilter方法。
• 正则[{;}]表示匹配{、;、}中的任意一个字符，在Java字符串里无需额外转义——因为在正则字符类[]内部，{和}属于普通字符。
• 不需要手动创建Reader，Analyzer在处理输入文本时会自动生成对应的Reader实例，你只需在调用分析逻辑时传入目标文本即可。
• 如果后续需要移除更多字符，直接在正则的[]中添加对应字符即可，比如要加(就写成[{;}(]。

内容的提问来源于stack exchange，提问作者leyva_7