Lucene如何实现指定搜索词的精确完全匹配？

问题根本原因 #

你当前使用的StandardTokenizer分词器会将文本按空格、标点等符号切割为多个独立词条，同时统一转小写。比如：

• "Hello World" 被切割为 [hello, world]
• "Hello" 被切割为 [hello]

搜索hello时只要词条列表包含hello就会命中，所以会返回所有含hello片段的结果，等价于SQL的LIKE "%HELLO%"。

可行方案（按推荐优先级排序） #

方案1：新增不分词的精确匹配字段（最推荐） #

这是实现SQL=等值匹配效果的标准方案，修改标签字段的注解配置，新增一个不做词条切割的字段专门用于精确匹配：

@Fields({
    // 保留原有分词字段，用于模糊搜索场景
    @Field(name = "tagname"),
    // 新增不分词字段，专门用于精确匹配
    @Field(name = "tagname_exact", index = Index.NOT_ANALYZED)
})
private String tagname;

如果需要忽略大小写匹配（比如搜索hello也能命中HELLO），可以给精确字段配置仅做小写转换、不切割词条的分词器：

// 定义精确匹配专用分词器：整个文本作为单个词条，仅统一转小写
public class ExactLowerCaseAnalyzer extends Analyzer {
    @Override
    public TokenStream tokenStream(String fieldName, Reader reader) {
        // KeywordTokenizer不会切割文本，整个输入作为单个词条
        TokenStream tokenizer = new KeywordTokenizer(Version.LUCENE_36, reader);
        return new LowerCaseFilter(Version.LUCENE_36, tokenizer);
    }
}

// 字段注解指定分词器
@Field(name = "tagname_exact", index = Index.ANALYZED, analyzer = @Analyzer(impl = ExactLowerCaseAnalyzer.class))

修改配置后重新构建索引，搜索时直接针对tagname_exact字段查询即可，搜索语法为tagname_exact:hello，只会返回标签完整等于hello的结果，完全等价于SQL的WHERE tag = "HELLO"。

原有查询代码只需要新增PerFieldAnalyzerWrapper适配多字段不同分词器即可，无需大幅修改：

Map<String, Analyzer> analyzerPerField = new HashMap<>();
analyzerPerField.put("tagname", new AnalyserCustom());
analyzerPerField.put("tagname_exact", new ExactLowerCaseAnalyzer());
PerFieldAnalyzerWrapper wrapper = new PerFieldAnalyzerWrapper(new AnalyserCustom(), analyzerPerField);
// 替换原来的analyzer为wrapper即可
final QueryParser parser = new MultiFieldQueryParser(Version.LUCENE_36, fields, wrapper);

方案2：不改索引，通过查询逻辑实现（仅应急用，性能差） #

如果暂时无法修改索引重构数据，可以用组合查询实现，原理是要求字段仅包含hello一个词条：

Query exactQuery = new BooleanQuery();
// 必须包含hello词条
exactQuery.add(new TermQuery(new Term("tagname", "hello")), BooleanClause.Occur.MUST);
// 要求hello是第一个且唯一的词条
SpanTermQuery helloSpan = new SpanTermQuery(new Term("tagname", "hello"));
exactQuery.add(new SpanFirstQuery(helloSpan, 1), BooleanClause.Occur.MUST);
// 排除所有包含其他词条的结果（该逻辑性能较差，仅适合小数据量场景）

内容的提问来源于stack exchange，提问作者Jean Pierre