从 DocsAndPositionsEnum 检索所有术语位置答案

【问题标题】：Retrieving all term positions from DocsAndPositionsEnum从 DocsAndPositionsEnum 检索所有术语位置
【发布时间】：2013-02-28 12:32:13
【问题描述】：

我正在升级到 Solr 4.1，但在使用新 API 检索位置和偏移信息时遇到了问题。我的 index 包含一个文档，其中一个字段包含字符串“one quick brown fox jumped over one lazy dog”。我正在查询我的 'one' 索引并尝试检索与“one”相对应的位置和偏移量。

这里是代码sn-p

Terms terms=reader.getTermVector(docId, fieldName);
TermsEnum termsEnum= terms.iterator(TermsEnum.EMPTY);
    BytesRef term;
    while((term=termsEnum.next())!=null){
        String docTerm = term.utf8ToString();
        DocsAndPositionsEnum docPosEnum = termsEnum.docsAndPositions(null, null, DocsAndPositionsEnum.FLAG_OFFSETS);
        //Check if the current term is the same as the query term and if so
        //retrieve all positions (can be multiple occurrences of a term in a field) corresponding to the term
        if (queryTerms.contains(docTerm)) {
            int position;
            while((position=docPosEnum.nextPosition())!=-1){
                int start=docPosEnum.startOffset();
                int end=docPosEnum.endOffset();
                //Store start, end and position in an a list
                }
        }
    }

内部 while 循环不正确。任何关于如何遍历 DocsAndPositionsEnum 中所有位置的指针将不胜感激。

【问题讨论】：

标签： solr lucene

【解决方案1】：

您没有在 DocsAndPositionsEnum 中迭代到 Document。

    if (queryTerms.contains(docTerm)) {
        docPosEnum.advance(docId)
        int freq=docPosEnum.freq();
        for(int i=0; i<freq; i++){
            int position=docPosEnum.nextPosition();
            int end=docPosEnum.endOffset();
            //Store start, end and position in an a list
        }
    }

我猜你可能想要存储从docPosEnum.nextDoc() 返回的 docid。

【讨论】：

你说得对，我需要迭代到下一个文档。但是，您发布的解决方案将不起作用。内部 while 将导致无限循环，因为 docPosEnumEnum.nextPosition() 仅在没有索引位置时才返回 -1 ..并且我已经索引了这些位置。另外，请注意我有 docID（代码 sn-p 的第 1 行），这使得外部 while 循环变得不必要。
我不认为您只想要单个文档的位置枚举。按照您在答案中编写的方式，除非我弄错了，否则它应该返回包含该术语的第一个文档的结果。该枚举中返回的第一个文档可能不是指定的文档。根据我更新的答案，您需要使用 advance(int)。

【解决方案2】：

这对我有用

Terms terms=reader.getTermVector(docId, fieldName);
TermsEnum termsEnum= terms.iterator(TermsEnum.EMPTY);
BytesRef term;
while((term=termsEnum.next())!=null){
            String docTerm = term.utf8ToString();
            //Check if the current term is the same as the query term and if so
            //retrieve all positions (can be multiple occurrences of a term in a field) corresponding to the term
            if (queryTerms.contains(docTerm)) {
                DocsAndPositionsEnum docPosEnum = termsEnum.docsAndPositions(null, null, DocsAndPositionsEnum.FLAG_OFFSETS);
                docPosEnum.nextDoc();
                //Retrieve the term frequency in the current document
                int freq=docPosEnum.freq();
                for(int i=0; i<freq; i++){
                    int position=docPosEnum.nextPosition();
                    int start=docPosEnum.startOffset();
                    int end=docPosEnum.endOffset();
                    //Store start, end and position in a list
                    }
            }
    }

【讨论】：