我有一组 Idea 类型的对象

public class Idea
{
    public string Title { get; set; }
    public string Body { get; set; }
}

我想通过子字符串搜索这个对象。例如，当我有标题为“idea”的对象时，我希望在输入“idea”的任何子字符串时都能找到它:i, id, ide , idea, d, de, dea, e, ea, a。

我正在使用 RavenDB 来存储数据。搜索查询看起来像这样:

var ideas = session
              .Query<IdeaByBodyOrTitle.IdeaSearchResult, IdeaByBodyOrTitle>()
              .Where(x => x.Query.Contains(query))
              .As<Idea>()
              .ToList();

当索引如下时:

public class IdeaByBodyOrTitle : AbstractIndexCreationTask<Idea, IdeaByBodyOrTitle.IdeaSearchResult>
{
    public class IdeaSearchResult
    {
        public string Query;
        public Idea Idea;
    }

    public IdeaByBodyOrTitle()
    {
        Map = ideas => from idea in ideas
                       select new
                           {
                               Query = new object[] { idea.Title.SplitSubstrings().Concat(idea.Body.SplitSubstrings()).Distinct().ToArray() },
                               idea
                           };
        Indexes.Add(x => x.Query, FieldIndexing.Analyzed);
    }
}

SplitSubstrings() 是一个扩展方法，它返回给定字符串的所有不同子字符串:

static class StringExtensions
{
    public static string[] SplitSubstrings(this string s)
    {
        s = s ?? string.Empty;
        List<string> substrings = new List<string>();
        for (int i = 0; i < s.Length; i++)
        {                
            for (int j = 1; j <= s.Length - i; j++)
            {
                substrings.Add(s.Substring(i, j));
            }
        }            
        return substrings.Select(x => x.Trim()).Where(x => !string.IsNullOrEmpty(x)).Distinct().ToArray();
    }
}

这是行不通的。特别是因为 RavenDB 无法识别 SplitSubstrings() 方法，因为它在我的自定义程序集中。如何使这个工作，基本上如何强制 RavenDB 识别这个方法？除此之外，我的方法是否适合这种搜索(按子字符串搜索)？

编辑

基本上，我想在此搜索中构建自动完成功能，因此它需要快速。

顺便说一句:我正在使用 RavenDB - Build #960

最佳答案

您可以使用以下方法跨多个字段执行子字符串搜索:

( 1 )

public class IdeaByBodyOrTitle : AbstractIndexCreationTask<Idea>
{
    public IdeaByBodyOrTitle()
    {
        Map = ideas => from idea in ideas
                       select new
                           {
                               idea.Title,
                               idea.Body
                           };
    }
}

关于 this site你可以检查:

"By default, RavenDB uses a custom analyzer called LowerCaseKeywordAnalyzer for all content. (...) The default values for each field are FieldStorage.No in Stores and FieldIndexing.Default in Indexes."

所以默认情况下，如果您检查 raven 客户端中的索引词，它看起来如下:

Title                    Body
------------------       -----------------
"the idea title 1"       "the idea body 1"
"the idea title 2"       "the idea body 2" 

在此基础上，可以构建通配符查询:

var wildquery = string.Format("*{0}*", QueryParser.Escape(query));

然后与 .In 和 .Where 结构一起使用(在内部使用 OR 运算符):

var ideas = session.Query<User, UsersByDistinctiveMarks>()
                   .Where(x => x.Title.In(wildquery) || x.Body.In(wildquery));

( 2 )

或者，您可以使用纯 lucene 查询:

var ideas = session.Advanced.LuceneQuery<Idea, IdeaByBodyOrTitle>()
                   .Where("(Title:" + wildquery + " OR Body:" + wildquery + ")");

( 3 )

您也可以使用 .Search 表达式，但是如果您想跨多个字段进行搜索，则必须以不同的方式构建索引:

public class IdeaByBodyOrTitle : AbstractIndexCreationTask<Idea, IdeaByBodyOrTitle.IdeaSearchResult>
{
    public class IdeaSearchResult
    {
        public string Query;
        public Idea Idea;
    }

    public IdeaByBodyOrTitle()
    {
        Map = ideas => from idea in ideas
                       select new
                           {
                               Query = new object[] { idea.Title, idea.Body },
                               idea
                           };
    }
}

var result = session.Query<IdeaByBodyOrTitle.IdeaSearchResult, IdeaByBodyOrTitle>()
                    .Search(x => x.Query, wildquery, 
                            escapeQueryOptions: EscapeQueryOptions.AllowAllWildcards,
                            options: SearchOptions.And)
                    .As<Idea>();

总结:

还要记住 *term* 相当昂贵，尤其是前导通配符。在这个post你可以找到更多关于它的信息。据说，前导通配符会强制 lucene 对索引进行全面扫描，从而大大降低查询性能。 Lucene 在内部存储其索引(实际上是字符串字段的术语)，按字母顺序排序并从左到右“读取”。这就是为什么搜索尾随通配符速度快而搜索前导通配符速度慢的原因。

因此也可以使用 x.Title.StartsWith("something")，但这显然不会搜索所有子字符串。如果您需要快速搜索，您可以更改要搜索的字段的索引选项以进行分析，但它不会再次搜索所有子字符串。

如果子字符串查询中有空格键，请检查question寻求可能的解决方案。 如需提出建议，请查看 http://architects.dzone.com/articles/how-do-suggestions-ravendb .

关于c# - RavenDB 中的子字符串搜索，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/9723786/