如果字符串中包含“-”（例如“3da549f0-0e88-4297-b6af-5179b74bd929”），如何进行全文搜索？

Question

当我为该字段编制索引并搜索其中包含“-”的字符串（如上例）时，Arango 将其视为否定运算符，因此不会搜索该字符串。搜索这些包含'-'的文档的解决方案是什么？

Answer 1

编辑：我刚去看了the source code。从那里看起来'-'只有在它是字符串中的第一个字符时才应该是一个问题。而且它不是您上面给出的示例中的第一个字符，所以我很困惑。

看起来没有任何方法可以转义“-”字符。另一个想法可能是在“-”前加上“+”。你试过了吗：

collection.fulltext(attribute, "3da549f0+-0e88+-4297+-b6af+-5179b74bd929");

我从阅读 the docs 中猜测，使用 "prefix:" 或 "complete:" 作为转义可能有效。

collection.fulltext(attribute, "complete:3da549f0-0e88-4297-b6af-5179b74bd929");

但显然不是。

Answer 2

正在尝试重现您所做的。如果您提供一个更好的可重现示例（仅限 arangosh），我的回答可能会更准确：

http+tcp://127.0.0.1:8529@_system> db._create("testIndex")
http+tcp://127.0.0.1:8529@_system> db.testIndex.ensureIndex({type: "fulltext", fields: ["complete:3da549f0-0e88-4297-b6af-5179b74bd929"]})
{ 
  "fields" : [ 
    "complete:3da549f0-0e88-4297-b6af-5179b74bd929" 
  ], 
  "id" : "testIndex/4687162", 
  "minLength" : 2, 
  "sparse" : true, 
  "type" : "fulltext", 
  "unique" : false, 
  "isNewlyCreated" : true, 
  "code" : 201 
}

http+tcp://127.0.0.1:8529@_system> db.testIndex.save({'complete:3da549f0-0e88-4297-b6af-5179b74bd929': "find me"})
{ 
  "_id" : "testIndex/4687201", 
  "_key" : "4687201", 
  "_rev" : "4687201" 
}

http+tcp://127.0.0.1:8529@_system> db._query('FOR doc IN FULLTEXT(testIndex, "complete:3da549f0-0e88-4297-b6af-5179b74bd929", "find") RETURN doc')
[object ArangoQueryCursor, count: 1, hasMore: false]


[ 
  { 
    "_id" : "testIndex/4687201", 
    "_key" : "4687201", 
    "_rev" : "4687201", 
    "complete:3da549f0-0e88-4297-b6af-5179b74bd929" : "find me" 
  } 
]

因此用例看起来不同：

db.test2.save({id: 'complete:3da549f0-0e88-4297-b6af-5179b74bd929'})
db.test2.ensureIndex({type: "fulltext", fields: ["id"]})

db._query('FOR doc IN FULLTEXT(test2, "id", "3da549f0-0e88-4297-b6af-5179b74bd929") RETURN doc')

这将 return 一个空结果。

要了解发生了什么，需要了解全文索引的工作原理。它在 word boundaries 处拆分文本并将其存储为一个列表，其中包含对索引中文档的引用。该索引全局词表中的一个词可能会引用多个文档。

查询索引后，将在索引全局词表中搜索请求的词，找到的每个词将包含包含该词的文档列表。这些桶被合并，returned 作为要迭代的文档的总列表。

了解the tokenizer a little better, I've added a tiny js wrapper that invokes it。

让我们看看它对您的字符串做了什么：

SYS_SPLIT_WORDS_ICU("ab cd", 0)
[ 
  "ab", 
  " ", 
  "cd" 
]
SYS_SPLIT_WORDS_ICU("3da549f0-0e88-4297-b6af-5179b74bd929", 0)
[ 
  "3da549f0", 
  "-", 
  "0e88", 
  "-", 
  "4297", 
  "-", 
  "b6af", 
  "-", 
  "5179b74bd929" 
]

所以你看，减号被视为单词边界，你的字符串被分区了。你现在有几个机会来规避这个：

删除插入的缺点
拆分搜索字符串，并使用散列中最有意义的部分，然后是实际值的 FILTER 语句
不要为此使用全文索引，而是使用跳过列表或哈希索引；它们的维护成本更低，可用于 FILTER 语句

如果字符串中包含“-”（例如“3da549f0-0e88-4297-b6af-5179b74bd929”），如何进行全文搜索？

How to do a fulltext search if the string has '-' in it for e.g "3da549f0-0e88-4297-b6af-5179b74bd929"?

java

arangodb

arangojs