如果我试图检索[email protected]，搜索“dave”将会像“[email protected]”一样工作。查询由lucene索引的电子邮件地址
但搜索“dave @ gmail”不起作用。查询发生在Java servlet中。 我认为这个问题可能在于分割完全停止
我该如何解决这个问题，以便“dave @ gmail”将返回“[email protected]”？电子邮件地址，也可以包含其他领域（如.co.uk）
感谢
Lucene的使用“仪”以tokenise和索引文档。同样，分析器用于标记用户搜索查询。
一个常见的错误是使用不同的分析器进行索引而不是搜索，两者都必须与您匹配以获得您期望的结果（搜索this doc“常见错误”）。
standard lucene tokeniser可识别电子邮件字符串并将它们编入索引。
它将索引[email protected]作为[token：[email protected]]。但是，您用来标记查询的分析器（或者如果您正在手动构建查询）可能会将其分解为3个标记，并以非字母数字字符分割。所以你可能会搜索3个相邻的令牌：[tok1：dave] [tok2：gmail] [tok3：com]，它们不存在。
Query.toString可能会“漂亮地打印”您正在提交给Lucene的Query，它可能会帮助您进行调试。
我为两者使用标准记号器。但是，如果整个电子邮件地址是单个令牌，那么这是否解释了为什么我没有得到我想要的结果？例如。如果我搜索“yah”，我希望“yahoo”能够包含在搜索结果中吗？ – chazmuzz 2010-11-18 14:10:37
这取决于，在索引过程中可能使用一系列分析器，有些人可能会将电子邮件索引为3个令牌（dave，gmail，com），另一个可能会将整个索引编入索引（[email protected]）。这可以解释为什么你会受到戴夫的打击。你可以使用Luke检查你的索引的内容 - 看看你是否可以看到令牌'[email protected]'为单个实体。在您的查询中也尝试使用toString，以确保您提交“[email protected]m” – Joel 2010-11-18 15:09:11
accepted answer to using Lucene to search for email addresses显示了如何为电子邮件地址构建自己的标记器和分析器。通过创建自己的代码，您可以精确控制在Lucene中如何存储和检索电子邮件地址。
使用
org.apache.lucene.analysis.standard.UAX29URLEmailTokenizer
或
org.apache.lucene.analysis.KeywordTokenizer
标记生成器，以能够通过电子邮件
你可以使用模糊在查询搜索一个分析器进行搜索。这将近似由用户定义levenshtein距离（LD）设置的结果。
当你说你有[email protected]索引时，它是如何到达那里的？我有一个类似的问题，我从一个文件中读取并添加到我的索引中。我没有意识到的是，我运行Apache tika从文件中获取文本。 apache tika的解析器将电子邮件ID分别标记为文本到达lucene分析器的时间，损坏已经完成。如果你正在使用这样的实现并且你找到了答案。让我知道。 – 2013-09-30 20:00:17