lucene 过滤结果

摘要: 关于过滤方面的知识，也就是Filter，如果了解Solr的朋友们，肯定都会知道Solr里面fq这个参数，这个参数的作用其实就是lucene里面的过滤，对一些q参数查询的结果集，做过滤或者限制返回一些我们需要的内容，可以理解成缩小搜索空间的一种策略。

先介绍下查询与过滤的区别和联系，其实查询(各种Query)和过滤(各种Filter)之间非常相似，可以这样说只要用Query能完成的事，用过滤也都可以完成，它们之间可以相互转换，最大的区别就是使用过滤返回的结果集不带评分操作，而使用Query返回的结果都是带相关性评分的，所以当我们如果有一些跟评分操作没有关系的业务，优先使用Filter操作，将会获取更好的性能，其实这也是Solr里面的q参数跟fq参数的区别。

下面，开始进入正题，在这之前，老生常谈的先来了解一下Lucene里面有关于Filter的整体知识 

下面，我们来看下具体的在代码里怎么实现，先来看下我们的测试数据 

id        score        bookname    ename        type            price        date
1        1        飘渺之旅        pmzl        小说        52.23        201005
2        1        三国演义        sgyy        小说        36.13        201207
3        1        数据库实战        sjksz        技术        77.13        200811
4        1        编程宝典        bcbd        技术        100.3        200501
5        1        职场关系论        zcgxl        职场        36.59        200501
6        1        健康生活        jksh        生活        20.47        200008
7        1        看清本质        kqbz        社会        10.37        201004
8        1        编程,编程        bcbc        社会        10.37        201004

核心代码

//使用过滤器   最后一个为true时包含边界部分，为false时不包含边界部分
//倒数第二个为true时，包含查询边界，为false时不包含
TermRangeFilter filter=new TermRangeFilter("ename", new BytesRef("h"), new BytesRef("n"), true, true);
TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果

6        1        健康生活        jksh        生活        20.47        200008
7        1        看清本质        kqbz        社会        10.37        201004

核心代码 

NumericRangeFilter<Double> filter=NumericRangeFilter.newDoubleRange("price", 10D, 40D, true, false);
TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果

2        1        三国演义        sgyy        小说        36.13        201207
5        1        职场关系论        zcgxl        职场        36.59        200501
6        1        健康生活        jksh        生活        20.47        200008
7        1        看清本质        kqbz        社会        10.37        201004
8        1        编程,编程        bcbc        社会        10.37        201004

核心代码

//使用缓存过滤
  Filter filter=FieldCacheRangeFilter.newDoubleRange("price", 20D, 50D, true, true);
  TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果

2        1        三国演义        sgyy        小说        36.13        201207
5        1        职场关系论        zcgxl        职场        36.59        200501
6        1        健康生活        jksh        生活        20.47        200008

核心代码

// 缓存域过滤特定的类别
 Filter filter=new FieldCacheTermsFilter("type", new String[]{"技术","社会"});
 TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果

3        1        数据库实战        sjksz        技术        77.13        200811
4        1        编程宝典        bcbd        技术        100.3        200501
7        1        看清本质        kqbz        社会        10.37        201004
8        1        编程,编程        bcbc        社会        10.37        201004

核心代码

//使用QueryWrapperFilter类包装一个Query
 QueryWrapperFilter  filter=new QueryWrapperFilter(new TermQuery(new Term("type", "技术")));
 TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

输出结果

//使用QueryWrapperFilter类包装一个Query
 QueryWrapperFilter  filter=new QueryWrapperFilter(new TermQuery(new Term("type", "技术")));
 TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);//默认无排序方式

最后我来看下，如何继承Filter基类，来定制我们自己的filter,自定义的Filter，虽然某些时候，功能很强大灵活，但是有几个缺点，我们的了解1，保证是内容不重复的字段，例如主键，如果重复，默认返回第一个作为结果集显示2，保证不能被分词的内容，如果是分词的字段，则可能会出现一些不正确的结果。 
自定义Filter类

package com.sanjiesanxian.test;

import java.io.IOException;
import java.util.BitSet;

import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.apache.lucene.index.AtomicReaderContext;
import org.apache.lucene.index.DocsEnum;
import org.apache.lucene.index.Term;
import org.apache.lucene.search.DocIdSet;
import org.apache.lucene.search.Filter;
import org.apache.lucene.util.AttributeSource;
import org.apache.lucene.util.Bits;
import org.apache.lucene.util.DocIdBitSet;
import org.apache.lucene.util.FixedBitSet;
import org.apache.lucene.util.OpenBitSet;

/***
 *^_^  ^_^  ^_^
 * QQ交流探讨群:324714439
 * 自定义过滤器
 * @author 三劫散仙
 * */
public class MyCustomFilter extends Filter{

    public MyCustomFilter() {
        // TODO Auto-generated constructor stub
    }

    private String[] terms;//限制返回的数据字典
    public MyCustomFilter(String ...terms) {
        // TODO Auto-generated constructor stub
        this.terms=terms;
    }
    @Override
    public DocIdSet getDocIdSet(AtomicReaderContext arg0, Bits arg1)
            throws IOException {
        FixedBitSet bits=new FixedBitSet(arg0.reader().maxDoc())  ;//获取没有所有的docid包括未删除的
         int base=arg0.docBase;//段的相对基数，保证多个段时相对位置正确
         //int limit=base+arg0.reader().maxDoc();//计算最大限制值
        for(String s:terms){
              DocsEnum doc=arg0.reader().termDocsEnum(new Term("id", s));//必须是唯一的不重复
              //保证是单个不重复的term,如果重复的话，默认会取第一个作为返回结果集,分词后的term也不适用自定义term
              if(doc.nextDoc()!=-1){
                bits.set(doc.docID());//对付符合条件约束的docid循环添加到bits里面
                }
              }
        return bits;
    }
}

测试查询代码

 MyCustomFilter filter=new MyCustomFilter("3","5","2");//随意指定1之多个需要过滤的项
 TopDocs topDocs=searcher.search(new MatchAllDocsQuery(),filter,10000);

输出结果

2        1        三国演义        sgyy        小说        36.13        201207
3        1        数据库实战        sjksz        技术        77.13        200811
5        1        职场关系论        zcgxl        职场        36.59        200501

自定义过滤器虽然有缺点，但是某些场景下却能发挥很灵活的作用，特别是对没有分词的字段进行过滤操作。

转自：https://my.oschina.net/MrMichael/blog/220787