Apache Lucene 4.2.0 如何实现字段值的中间/后缀模糊检索？

嗨，我来帮你搞定这个Lucene的匹配难题～

首先得搞清楚为啥你现在的情况只有前缀匹配生效：默认情况下，Lucene的标准分词器（StandardAnalyzer）会把Dalveer Singh拆成dalveer和singh两个独立的词项存储。前缀查询dalveer*能命中，是因为它匹配了dalveer这个词项的前缀；但*singh后缀匹配或者*veer*中间匹配没结果，要么是因为分词后词项拆分导致你要匹配的子串跨了词，要么是Lucene默认不支持反向的词项匹配（除非提前做了特殊索引）。

下面给你几个可行的解决方案，按需选择：

方案1：将Entity字段设为不分词（适合精确/通配符匹配整个字段值） #

如果你的需求是针对整个entity字段的完整值做后缀、中间或整行匹配，最简单的方式是把entity字段配置为不分词，让整个Dalveer Singh作为一个完整的词项存入索引。

代码示例（字段定义）： #

// 创建字段类型：存储、索引、不分词
FieldType entityFieldType = new FieldType();
entityFieldType.setStored(true);
entityFieldType.setIndexed(true);
entityFieldType.setTokenized(false); // 核心：关闭分词，保留完整值
entityFieldType.freeze(); // 锁定字段类型，避免后续修改

// 给文档添加entity字段
Document doc = new Document();
doc.add(new Field("entity", "Dalveer Singh", entityFieldType));

对应查询方式： #

• 后缀匹配：

Query suffixQuery = new WildcardQuery(new Term("entity", "*singh"));

• 中间匹配：

Query middleQuery = new WildcardQuery(new Term("entity", "*veer*"));

• 整行精确匹配：

Query exactQuery = new TermQuery(new Term("entity", "Dalveer Singh"));

⚠️ 注意：以*开头的通配符查询会触发全索引扫描，数据量较大时性能会受影响，适合小数据集场景。

方案2：使用NGram分词器（适合分词+子串匹配） #

如果需要同时保留分词能力，又要支持任意子串匹配，可以用NGramTokenizer把字段值拆成所有可能的短子串提前存入索引。比如Dalveer Singh会被拆成da、dal、alv、veer、sin、singh等子串，这样查询时直接搜子串就能命中。

代码示例（分词器配置）： #

// 配置NGram分词器：最小子串长度2，最大10（可根据需求调整）
Analyzer ngramAnalyzer = new NGramAnalyzer(Version.LUCENE_42, 2, 10);

// 定义字段类型使用该分词器
FieldType entityFieldType = new FieldType();
entityFieldType.setStored(true);
entityFieldType.setIndexed(true);
entityFieldType.setTokenized(true);
entityFieldType.setAnalyzer(ngramAnalyzer);
entityFieldType.freeze();

对应查询方式： #

不需要加通配符，直接搜子串即可：

// 匹配包含veer的字段
Query veerQuery = new TermQuery(new Term("entity", "veer"));
// 匹配包含singh的字段
Query singhQuery = new TermQuery(new Term("entity", "singh"));

这个方案的优势是查询效率高，但会增加索引体积，需要在索引大小和查询性能之间做权衡。

方案3：整行短语匹配（适合分词后的完整短语匹配） #

如果你的字段是分词的，但需要匹配完整的短语内容（比如整行的Dalveer Singh），可以用PhraseQuery来实现严格的短语匹配：

PhraseQuery exactPhraseQuery = new PhraseQuery();
exactPhraseQuery.add(new Term("entity", "dalveer"));
exactPhraseQuery.add(new Term("entity", "singh"));
exactPhraseQuery.setSlop(0); // 0表示严格按顺序匹配，无间隔词

内容的提问来源于stack exchange，提问作者Dalveer Singh