用于子字符串搜索的 Lucene Analyzer 分词器

Question

我需要一个可以执行以下操作的 Lucene Tokenizer。给定字符串 "wines bottle caps"，以下查询应该成功

• 葡萄酒
• 博特
• 上限
• ottl
• aps
• 酒瓶

这是我目前所掌握的。我如何修改它才能工作？任何少于三个字符的查询都应该有效。

public class PorterAnalyzer extends Analyzer {

  private final Version version;

  public PorterAnalyzer(Version version) {
    this.version = version;
  }

  @Override
  @SuppressWarnings("resource")
  protected TokenStreamComponents createComponents(String fieldName, Reader reader) {
    final StandardTokenizer src = new StandardTokenizer(reader);
    TokenStream tok = new StandardFilter(src);
    tok = new LowerCaseFilter( tok);
    tok = new StopFilter( tok, StandardAnalyzer.STOP_WORDS_SET);
    tok = new PorterStemFilter(tok);
    return new TokenStreamComponents(src, tok);
  }

}

Answer 1

我认为您正在搜索 NGramTokenFilter。

尝试，例如：

tok=new NGramTokenFilter(tok,2,5);