Answers:
通常，Lucene中的任何分析器都是标记器+词干分析器+停用词过滤器。
标记生成器将您的文本块，并且由于不同的分析仪可以使用不同的断词，就可以得到不同的输出记号流，即文本块的序列。例如，KeywordAnalyzer您提到根本不分割文本，而是将所有字段作为单个标记。同时，StandardAnalyzer（和大多数其他分析器）将空格和标点符号用作拆分点。例如，对于短语“我很高兴”，它将产生列表[“ i”，“ am”，“非常”，“高兴”]（或类似的东西）。有关特定分析器/令牌的更多信息，请参见其Java Docs。
词干用于获取有问题的单词的基数。在很大程度上取决于所使用的语言。例如，对于英语中的先前短语，将产生类似[“ i”，“ be”，“ veri”，“ happi”]的内容，而对于法语“ Je suistrèsheureux”则是某种法语分析器（例如SnowballAnalyzer，已初始化与“法语”）将产生[“ je”，“être”，“ tre”，“ heur”]。当然，如果您将使用一种语言的分析器来提取另一种语言的文本，则将使用另一种语言的规则，并且词干分析器可能会产生错误的结果。并非所有系统都失败，但是搜索结果可能不太准确。
KeywordAnalyzer不使用任何词干分析器，它将通过所有未修改的字段。因此，如果您要搜索英文文本中的某些单词，那么使用此分析仪不是一个好主意。
停用词是最常见且几乎没有用的词。同样，它在很大程度上取决于语言。对于英语，这些单词是“ a”，“ the”，“ I”，“ be”，“ have”等。停用词过滤器将它们从令牌流中删除，以降低搜索结果中的噪音，因此最终我们的短语“ I” “非常高兴” StandardAnalyzer将转换为列表[“ veri”，“ happi”]。
并KeywordAnalyzer再次什么都不做。因此，KeywordAnalyzer用于ID或电话号码之类的东西，但不用于普通文本。
至于您的maxClauseCount例外情况，我相信您可以通过搜索获得。在这种情况下，很可能是因为搜索查询太复杂。尝试将其拆分为多个查询或使用更多的低级功能。