基于Java Lucene实现带文件类型与创建日期的过滤搜索求助

嘿，我来帮你搞定Lucene的这个过滤需求！结合你已经实现的词族搜索，咱们一步步把这几个新条件加上：只搜.txt格式文件、内容包含"some,"、按创建日期过滤。先从基础的索引阶段调整说起，因为要过滤文件元数据，得先把这些信息存进索引里~

你之前的索引逻辑可能只处理了文件内容，现在需要把文件名后缀、创建日期这些信息也存入Lucene文档。示例代码如下：

import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.document.LongPoint;
import org.apache.lucene.document.StringField;
import org.apache.lucene.document.TextField;
import java.io.File;
import java.nio.file.Files;
import java.nio.file.attribute.BasicFileAttributes;

// 遍历文件时的处理逻辑
File file = new File("你的文件路径");
if (file.isFile()) {
    Document doc = new Document();
    
    // 1. 存文件内容（保留你原来的逻辑，这里假设用TextField存可分词内容）
    String content = Files.readString(file.toPath());
    doc.add(new TextField("content", content, Field.Store.YES));
    
    // 2. 存文件后缀（比如".txt"），用StringField做精确匹配
    String extension = getFileExtension(file.getName());
    doc.add(new StringField("file_extension", extension, Field.Store.YES));
    
    // 3. 存文件创建日期（转成时间戳，用LongPoint支持高效范围查询）
    BasicFileAttributes attrs = Files.readAttributes(file.toPath(), BasicFileAttributes.class);
    long creationTime = attrs.creationTime().toMillis();
    doc.add(new LongPoint("creation_date", creationTime));
    // 可选：存StoredField方便后续展示文件创建时间
    doc.add(new StoredField("creation_date", creationTime));
    
    // 把文档加入索引（保留你原来的indexWriter.addDocument(doc)逻辑）
}

// 辅助方法：获取文件后缀
private static String getFileExtension(String fileName) {
    int lastDotIndex = fileName.lastIndexOf('.');
    return lastDotIndex == -1 ? "" : fileName.substring(lastDotIndex);
}

注意：LongPoint是Lucene 6+版本用来做数值范围查询的专用字段类型，一定要用它存日期时间戳，这样后续的日期过滤才高效。

搜索时，用TermQuery精确匹配file_extension字段的值为.txt：

import org.apache.lucene.search.TermQuery;
import org.apache.lucene.index.Term;

// 创建文件格式过滤查询
TermQuery txtFilter = new TermQuery(new Term("file_extension", ".txt"));

这里要注意：如果你的分词器（比如默认的StandardAnalyzer）会把逗号当成分隔符，"some,"会被拆成"some"，导致搜不到目标内容。给你两种稳妥的解决办法：

方法1：调整分词器，保留标点 #

如果希望"some,"作为完整词被索引，可以改用WhitespaceAnalyzer（按空格分词，保留所有标点），索引和搜索时统一使用这个分词器：

import org.apache.lucene.analysis.WhitespaceAnalyzer;
import org.apache.lucene.search.TermQuery;

// 搜索"some,"的精确匹配
TermQuery someFilter = new TermQuery(new Term("content", "some,"));

方法2：新增原始内容字段（不分词） #

如果不想改动原来的词族搜索分词逻辑，可以在索引时新增一个StringField存原始内容：

// 索引阶段添加字段
doc.add(new StringField("raw_content", content, Field.Store.YES));

// 搜索时匹配"some,"
TermQuery someFilter = new TermQuery(new Term("raw_content", "some,"));

这种方法不会影响你原来的词族搜索逻辑，兼容性更强。

用LongPoint.newRangeQuery创建日期范围查询，比如搜索2024年1月1日之后创建的文件：

import org.apache.lucene.search.Query;
import java.time.LocalDateTime;
import java.time.ZoneOffset;

// 把目标日期转成时间戳（毫秒）
long startDate = LocalDateTime.of(2024, 1, 1, 0, 0).toInstant(ZoneOffset.UTC).toEpochMilli();
// 用Long.MAX_VALUE表示截止到当前时间
Query dateFilter = LongPoint.newRangeQuery("creation_date", startDate, Long.MAX_VALUE);

// 如果要搜索两个日期之间的文件（比如2023年12月1日到2024年1月31日）：
long endDate = LocalDateTime.of(2024, 2, 1, 0, 0).toInstant(ZoneOffset.UTC).toEpochMilli();
Query dateFilter = LongPoint.newRangeQuery("creation_date", startDate, endDate);

最后用BooleanQuery把所有条件组合起来：原有的词族搜索作为必须满足的条件，三个过滤条件也设为必须满足：

import org.apache.lucene.search.BooleanQuery;
import org.apache.lucene.search.BooleanClause;
import org.apache.lucene.search.Query;

// 假设你的词族搜索查询是originalQuery
Query originalQuery = ...; // 你原来的词族搜索逻辑

// 组合所有条件
BooleanQuery.Builder builder = new BooleanQuery.Builder();
builder.add(originalQuery, BooleanClause.Occur.MUST);
builder.add(txtFilter, BooleanClause.Occur.MUST);
builder.add(someFilter, BooleanClause.Occur.MUST);
builder.add(dateFilter, BooleanClause.Occur.MUST);

Query finalQuery = builder.build();

// 用finalQuery执行搜索即可

• 如果你的Lucene版本低于6.x，数值字段要用LongField，范围查询改用NumericRangeQuery.newLongRange。
• 测试前记得重新索引所有文件，因为新增了字段，旧索引没有这些元数据信息。
• 如果需要模糊匹配文件名（比如包含txt的文件），可以用WildcardQuery，比如new WildcardQuery(new Term("file_extension", "*txt"))，但精确匹配.txt的效率更高。

内容的提问来源于stack exchange，提问作者Todică Răzvan