lucene - 使用 Lucene 查找错字

Question

我想使用 Lucene 来索引/搜索文本。文本可能包含输入错误的单词、名称等。让 Lucene 找到包含以下内容的文档的最简单方法是什么？

"this is Licene" 

当用户搜索

"Lucene"? 

这仅适用于演示应用程序，因此我们需要最简单的解决方案。

Answer 1

Lucene 的模糊查询和基于 Levenshtein 的编辑距离。

在 QueryParser 中使用模糊查询，语法如下：

Lucene~0.5

或者创建一个FuzzyQuery，传递最大数量的编辑，例如：

Query query = new FuzzyQuery(new Term("field", "lucene"), 1);

注意： FuzzyQuery在 Lucene 4.x 中，不支持大于 2 的编辑距离。

Answer 2

您可以尝试的另一个选项是使用 Lucene SpellChecker：

http://lucene.apache.org/core/6_4_0/suggest/org/apache/lucene/search/spell/SpellChecker.html

它是开箱即用的，非常易于使用：

  SpellChecker spellchecker = new SpellChecker(spellIndexDirectory);
  // To index a field of a user index:
  spellchecker.indexDictionary(new LuceneDictionary(my_lucene_reader, a_field));
  // To index a file containing words:
  spellchecker.indexDictionary(new PlainTextDictionary(new File("myfile.txt")));
  String[] suggestions = spellchecker.suggestSimilar("misspelt", 5);

默认情况下，它使用 LevensteinDistance，但您可以提供自己的自定义编辑距离。