關于SpanQuery(跨度搜索)，它是Query的子類，但是SpanQuery仍然是一個抽象類，它有6個直接子類實現(xiàn)類。繼承關系如圖所示：

其中SpanTermQuery是一個最基礎的跨度搜索實現(xiàn)類，SpanTermQuery與SpanQuery的關系，就如同TermQuery與Query的關系：SpanTermQuery是為SpanQuery其它的具體實現(xiàn)子類服務的，其實TermQuery也是為Query的具體子類實現(xiàn)類服務的，例如構造一個BooleanQuery查詢，可以向其中添加多個TermQuery查詢子句。

SpanTermQuery跨度搜索

SpanTermQuery的應用與TermQuery的用法是一樣的，獲取到的檢索結果集也是相同的。

這里，SpanTermQuery是SpanQuery的子實現(xiàn)類，所有從跨度搜索的角度來說，他的跨度值就是使用SpanTermQuery的唯一的一個構造方法所用的一個Term的跨度值。也就是說，它的起始位置和結束位置都是一個固定的值(其實就是一個固定跨度)。

SpanFirstQuery跨度搜索

SpanFirstQuery搜索是基于SpanTermQuery的，在實例化一個SpanFirstQuery的時候，是通過一個SpanTermQuery的實例作為參數(shù)來構造的。

該SpanFirstQuery只有唯一的一個構造方法：

public SpanFirstQuery(SpanQuery match, int end) {
??? this.match = match;
??? this.end = end;
}

上面的end指定了在查詢時，從起始位置開始(起始位置為0，這點可以在后面的測試中得知。因為名稱中First已經(jīng)表達了這層含義)，在小于end的位置之前的文本中，與match進行匹配。

先使用ThesaurusAnalyzer分析器來實現(xiàn)分詞，為指定的數(shù)據(jù)建立索引，如下所示：

package org.apache.lucene.shirdrn.main;

import java.io.IOException;

import net.teamhot.lucene.ThesaurusAnalyzer;

import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.store.LockObtainFailedException;

public class MySearchEngineUsingThesaurusAnalyzer {

public static void main(String[] args){
?? String indexPath = "E:\\Lucene\\index";
?? IndexWriter writer;
?? try {
??? writer = new IndexWriter(indexPath,new ThesaurusAnalyzer(),true);
??? Field fieldA = new Field("contents","今天是我們地球的生日，對于我們每個人，在我們的宇宙中，一場空前關于我們熟悉的宇宙論的辯論激烈地展開了。",Field.Store.YES,Field.Index.TOKENIZED);
??? Document docA = new Document();
??? docA.add(fieldA);
???
??? Field fieldB1 = new Field("contents","誰知道宇宙空間的奧秘，在我們這些人當中？",Field.Store.YES,Field.Index.TOKENIZED);
??? Field fieldB2 = new Field("contents","宇宙飛船。",Field.Store.YES,Field.Index.TOKENIZED);
??? Field fieldB3 = new Field("contents","我們的太空宇宙。",Field.Store.YES,Field.Index.TOKENIZED);
??? Document docB = new Document();
??? docB.add(fieldB1);
??? docB.add(fieldB2);
??? docB.add(fieldB3);
???
??? Field fieldC = new Field("contents","我們宇宙學家對地球的重要性。",Field.Store.YES,Field.Index.TOKENIZED);
??? Document docC = new Document();
??? docC.add(fieldC);
???
??? writer.addDocument(docA);
??? writer.addDocument(docB);
??? writer.addDocument(docC);
??? writer.close();
?? } catch (CorruptIndexException e) {
??? e.printStackTrace();
?? } catch (LockObtainFailedException e) {
??? e.printStackTrace();
?? } catch (IOException e) {
??? e.printStackTrace();
?? }
}

首先要把ThesaurusAnalyzer分析器的jar包加入到CLASSPATH中，然后運行上面的主函數(shù)，建立索引。

建立的索引文件在本地磁盤指定的索引目錄E:\Lucene\index下生成，這時候可以測試SpanFirstQuery的使用了。

因為ThesaurusAnalyzer分析器自帶了一個詞庫，該詞庫中有詞條“我們”，我們就通過“我們”來構造SpanQuery，進行查詢。

編寫一個SpanFirstQuerySearcher測試類，帶主函數(shù)，如下所示：

package org.apache.lucene.shirdrn.main;

import java.io.IOException;
import java.util.Date;
import java.util.List;

import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.Term;
import org.apache.lucene.index.TermDocs;
import org.apache.lucene.search.Hits;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.spans.SpanFirstQuery;
import org.apache.lucene.search.spans.SpanQuery;
import org.apache.lucene.search.spans.SpanTermQuery;

public class SpanFirstQuerySearcher {

public static void main(String[] args) {
?? String indexPath = "E:\\Lucene\\index";
?? try {
??? IndexSearcher searcher = new IndexSearcher(indexPath);
??? String keyword = "我們";
??? Term term = new Term("contents",keyword);
??? SpanTermQuery spanTermQuery = new SpanTermQuery(term);
?? int end = 1;
??? SpanQuery spanFirstQuery = new SpanFirstQuery(spanTermQuery,end);
??? System.out.println("####################################################################");
??? System.out.println("SpanFirstQuery中end指定值為 ： "+end);
??? System.out.println("####################################################################");
??? Date startTime = new Date();
??? Hits hits = searcher.search(spanFirstQuery);
??? for(int i=0;i<hits.length();i++){
???? TermDocs termDocs = searcher.getIndexReader().termDocs(term);
???? while(termDocs.next()){
????? if(termDocs.doc() == hits.id(i)){
?????? System.out.println("Document的內部編號為 ： "+hits.id(i));
?????? Document doc = hits.doc(i);
?????? System.out.println("Document的得分為 ： "+hits.score(i));
?????? List fieldList = doc.getFields();
?????? System.out.println("Document(編號) "+hits.id(i)+" 的Field的信息： ");
?????? for(int j=0;j<fieldList.size();j++){
??????? Field field = (Field)fieldList.get(j);
??????? System.out.println("??? Field的name : "+field.name());
??????? System.out.println("??? Field的stringValue : "+field.stringValue());
??????? System.out.println("??? ------------------------------------");
?????? }
?????? System.out.println("搜索的該關鍵字【"+keyword+"】在Document(編號) "+hits.id(i)+" 中，出現(xiàn)過 "+termDocs.freq()+" 次");
????? }
???? }
??? }
??? System.out.println("********************************************************************");
??? Date finishTime = new Date();
??? long timeOfSearch = finishTime.getTime() - startTime.getTime();
??? System.out.println("本次搜索所用的時間為 "+timeOfSearch+" ms");
???
?? } catch (CorruptIndexException e) {
??? e.printStackTrace();
?? } catch (IOException e) {
??? e.printStackTrace();
?? }
}
}

當end=1時，也就是從具有一個詞條的跨度，運行結果如下所示：

####################################################################
SpanFirstQuery中end指定值為 ： 1
####################################################################
Document的內部編號為 ： 2
Document的得分為 ： 0.18888181
Document(編號) 2 的Field的信息：
??? Field的name : contents
??? Field的stringValue : 我們宇宙學家對地球的重要性。
??? ------------------------------------
搜索的該關鍵字【我們】在Document(編號) 2 中，出現(xiàn)過 1 次
********************************************************************
本次搜索所用的時間為 78 ms

這里docB沒有被檢索出來。

當end=5時，增大了跨度，執(zhí)行結果如下所示：

####################################################################
SpanFirstQuery中end指定值為 ： 5
####################################################################
Document的內部編號為 ： 2
Document的得分為 ： 0.18888181
Document(編號) 2 的Field的信息：
??? Field的name : contents
??? Field的stringValue : 我們宇宙學家對地球的重要性。
??? ------------------------------------
搜索的該關鍵字【我們】在Document(編號) 2 中，出現(xiàn)過 1 次
Document的內部編號為 ： 0
Document的得分為 ： 0.09444091
Document(編號) 0 的Field的信息：
??? Field的name : contents
??? Field的stringValue : 今天是我們地球的生日，對于我們每個人，在我們的宇宙中，一場空前關于我們熟悉的宇宙論的辯論激烈地展開了。
??? ------------------------------------
搜索的該關鍵字【我們】在Document(編號) 0 中，出現(xiàn)過 4 次
********************************************************************
本次搜索所用的時間為 62 ms

當end=10的時候，可以看到3個Document都被檢索到，如下所示：

####################################################################
SpanFirstQuery中end指定值為 ： 10
####################################################################
Document的內部編號為 ： 2
Document的得分為 ： 0.18888181
Document(編號) 2 的Field的信息：
??? Field的name : contents
??? Field的stringValue : 我們宇宙學家對地球的重要性。
??? ------------------------------------
搜索的該關鍵字【我們】在Document(編號) 2 中，出現(xiàn)過 1 次
Document的內部編號為 ： 0
Document的得分為 ： 0.13355961
Document(編號) 0 的Field的信息：
??? Field的name : contents
??? Field的stringValue : 今天是我們地球的生日，對于我們每個人，在我們的宇宙中，一場空前關于我們熟悉的宇宙論的辯論激烈地展開了。
??? ------------------------------------
搜索的該關鍵字【我們】在Document(編號) 0 中，出現(xiàn)過 4 次
Document的內部編號為 ： 1
Document的得分為 ： 0.1259212
Document(編號) 1 的Field的信息：
??? Field的name : contents
??? Field的stringValue : 誰知道宇宙空間的奧秘，在我們這些人當中？
??? ------------------------------------
??? Field的name : contents
??? Field的stringValue : 宇宙飛船。
??? ------------------------------------
??? Field的name : contents
??? Field的stringValue : 我們的太空宇宙。
??? ------------------------------------
搜索的該關鍵字【我們】在Document(編號) 1 中，出現(xiàn)過 2 次
********************************************************************
本次搜索所用的時間為 234 ms

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

SpanNearQuery跨度搜索

SpanNearQuery只有一個構造方法，可以從SpanNearQuery的構造方法來看：

public SpanNearQuery(SpanQuery[] clauses, int slop, boolean inOrder) {
??? this.clauses = new ArrayList(clauses.length);
??? for (int i = 0; i < clauses.length; i++) {
????? SpanQuery clause = clauses[i];
????? if (i == 0) {?????????????????????????????
??????? field = clause.getField();
????? } else if (!clause.getField().equals(field)) {
??????? throw new IllegalArgumentException("Clauses must have same field.");
????? }
????? this.clauses.add(clause);
??? }

??? this.slop = slop;
??? this.inOrder = inOrder;
}

從方法的聲明來看，各個參數(shù)如下：

clauses是指：一個SpanQuery的子句的數(shù)組；

slop是指：對于每個SpanQuery都由一個Term構造而成，在一段文本中，可能在出現(xiàn)的這兩個詞條之間由若干個其它不相關的詞條，slop指定了一個整數(shù)值，從而可以忽略這些不相關的詞條(忽略的個數(shù)<=slop)，如果slop=0，則說明clauses中的SpanQuery查詢的詞條必須是相連著的；

inOrder是指：是否clauses子句們按照有序的方式實現(xiàn)搜索，當inOrder為true時，必須按照各個子句中檢索的詞條的前后順序進行匹配，逆序的就被淘汰。

依然用上面建立的索引文件測試。

測試通過先構造一個SpanTermQuery(詞條內容為“我們”)和一個SpanFirstQuery(詞條內容為“宇宙”)，再構造一個SpanNearQuery，測試代碼如下所示：

package org.apache.lucene.shirdrn.main;

import java.io.IOException;
import java.util.Date;
import java.util.List;

import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.Term;
import org.apache.lucene.index.TermDocs;
import org.apache.lucene.search.Hits;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.spans.SpanFirstQuery;
import org.apache.lucene.search.spans.SpanNearQuery;
import org.apache.lucene.search.spans.SpanQuery;
import org.apache.lucene.search.spans.SpanTermQuery;

public class SpanNearQuerySearcher {

public static void main(String[] args) {
?? String indexPath = "E:\\Lucene\\index";
?? try {
??? IndexSearcher searcher = new IndexSearcher(indexPath);
??? String keywordA = "我們";
??? Term termA = new Term("contents",keywordA);
??? SpanTermQuery spanTermQueryA = new SpanTermQuery(termA);???
??? int end = 10;
??? System.out.println("####################################################################");
??? System.out.println("SpanFirstQuery中end指定值為 ： "+end);
??? System.out.println("####################################################################");
??? SpanQuery spanFirstQuery = new SpanFirstQuery(spanTermQueryA,end);
??? String keywordB = "宇宙";
??? Term termB = new Term("contents",keywordA);
??? SpanTermQuery spanTermQueryB = new SpanTermQuery(termB);
??? int slop = 2;
??? System.out.println("####################################################################");
??? System.out.println("SpanNearQuery中slop指定值為 ： "+slop);
??? System.out.println("####################################################################");
?? SpanNearQuery spanNearQuery = new SpanNearQuery(new SpanQuery[]{spanFirstQuery,spanTermQueryB},slop,true);
??? Date startTime = new Date();
??? Hits hits = searcher.search(spanNearQuery);
??? for(int i=0;i<hits.length();i++){
???? System.out.println("Document的內部編號為 ： "+hits.id(i));
???? Document doc = hits.doc(i);
???? System.out.println("Document的得分為 ： "+hits.score(i));
???? List fieldList = doc.getFields();
???? System.out.println("Document(編號) "+hits.id(i)+" 的Field的信息： ");
???? for(int j=0;j<fieldList.size();j++){
????? Field field = (Field)fieldList.get(j);
????? System.out.println("??? Field的name : "+field.name());
????? System.out.println("??? Field的stringValue : "+field.stringValue());
????? System.out.println("??? ------------------------------------");
???? }
??? }
??? System.out.println("********************************************************************");
??? Date finishTime = new Date();
??? long timeOfSearch = finishTime.getTime() - startTime.getTime();
??? System.out.println("本次搜索所用的時間為 "+timeOfSearch+" ms");
???
?? } catch (CorruptIndexException e) {
??? e.printStackTrace();
?? } catch (IOException e) {
??? e.printStackTrace();
?? }
}
}

這里，指定了slop=2，inOrder=true，即：“我們”和“宇宙”是按先后順序在Document中進行匹配的。

運行測試程序，結果如下：

####################################################################
SpanFirstQuery中end指定值為 ： 10
####################################################################
####################################################################
SpanNearQuery中slop指定值為 ： 2
####################################################################
Document的內部編號為 ： 0
Document的得分為 ： 0.059729677
Document(編號) 0 的Field的信息：
??? Field的name : contents
??? Field的stringValue : 今天是我們地球的生日，對于我們每個人，在我們的宇宙中，一場空前關于我們熟悉的宇宙論的辯論激烈地展開了。
??? ------------------------------------
********************************************************************
本次搜索所用的時間為 93 ms

其實，我們指定了SpanFirstQuery足夠大的跨度，但是在SpanNearQuery中指定的slop的值很小，在進行匹配的時候，只是允許兩個詞條之間可以有2個無關的其它詞條，再加上指定了inOrder為true，嚴格有序，所以只檢索到了編號為0的Document。

現(xiàn)在，將slop改為10，因為slop比較關鍵，決定了兩個檢索詞條之間的間隙大小，這時可以看到檢索結果如下所示：

####################################################################
SpanFirstQuery中end指定值為 ： 10
####################################################################
####################################################################
SpanNearQuery中slop指定值為 ： 10
####################################################################
Document的內部編號為 ： 0
Document的得分為 ： 0.078204505
Document(編號) 0 的Field的信息：
??? Field的name : contents
??? Field的stringValue : 今天是我們地球的生日，對于我們每個人，在我們的宇宙中，一場空前關于我們熟悉的宇宙論的辯論激烈地展開了。
??? ------------------------------------
Document的內部編號為 ： 1
Document的得分為 ： 0.06730772
Document(編號) 1 的Field的信息：
??? Field的name : contents
??? Field的stringValue : 誰知道宇宙空間的奧秘，在我們這些人當中？
??? ------------------------------------
??? Field的name : contents
??? Field的stringValue : 宇宙飛船。
??? ------------------------------------
??? Field的name : contents
??? Field的stringValue : 我們的太空宇宙。
??? ------------------------------------
********************************************************************
本次搜索所用的時間為 125 ms

SpanNearQuery的構造方法給了一個SpanQuery[] clauses子句數(shù)組，可以使用任何繼承了SpanQuery的具體實現(xiàn)類，當然也包括SpanNearQuery，將它們添加到子句的數(shù)組中，實現(xiàn)復雜的搜索。

SpanNotQuery跨度搜索

依然從構造方法看：

public SpanNotQuery(SpanQuery include, SpanQuery exclude) {
??? this.include = include;
??? this.exclude = exclude;

??? if (!include.getField().equals(exclude.getField()))
????? throw new IllegalArgumentException("Clauses must have same field.");
}

該SpanNotQuery指定了一個SpanQuery include，該include子句查詢會得到一個結果的集合，設為集合A；SpanQuery exclude也可以得到一個結果的集合，設為集合B，則SpanNotQuery檢索結果的集合表示為：

A-B

很好理解，就是集合的差運算。

SpanOrQuery跨度搜索

這個也很好理解，就是集合的并運算，它的構造方法如下所示：

public SpanOrQuery(SpanQuery[] clauses) {

??? this.clauses = new ArrayList(clauses.length);
??? for (int i = 0; i < clauses.length; i++) {
????? SpanQuery clause = clauses[i];
????? if (i == 0) {???????????????????????????????
??????? field = clause.getField();
????? } else if (!clause.getField().equals(field)) {
??????? throw new IllegalArgumentException("Clauses must have same field.");
????? }
????? this.clauses.add(clause);
??? }
}

只要把你想要檢索的SpanQuery子句構造好以后，添加到SpanQuery[] clauses數(shù)組中，談后執(zhí)行SpanOrQuery跨度搜索的時候，會把每個子句得到的結果合并起來，得到一個很龐大的檢索結果集。

SpanRegexQuery跨度搜索

構造該SpanQuery也很容易：

public SpanRegexQuery(Term term) {
??? this.term = term;
}

只需要一個Term作為參數(shù)即可。從該SpanRegexQuery的名稱來看，就知道它和正則表達式有一定的聯(lián)系。其實在構造好一個SpanRegexQuery以后，可以為其設置一個正則表達式，這要看你對正則表達式的運用的熟練程度如何了。

在SpanRegexQuery中定義了兩個成員變量：

private RegexCapabilities regexImpl = new JavaUtilRegexCapabilities();
private Term term;

而且SpanRegexQuery實現(xiàn)了RegexQueryCapable接口：

public class SpanRegexQuery extends SpanQuery implements RegexQueryCapable

如果你想使用SpanRegexQuery實現(xiàn)跨度搜索，可以研究一下與SpanRegexQuery相關的JavaUtilRegexCapabilities類，在JavaUtilRegexCapabilities中涉及到了java.util.regex.Pattern，它可不是Lucene定義的，是第三方提供的。

Lucene-2.2.0 源代碼閱讀學習(32)