如何提高 Lucene Highlighter 操作的性能？

Question

我使用 Lucene.Net 在 C# 中创建了一个搜索/浏览应用程序的原型。源数据是一个中等大小的 5MB XML 文件（包含大约 900 个“文档”），我使用 Lucene 对其进行索引。我的搜索工作正常并且速度非常快。对于这个应用程序，浏览和查看每个“命中”文档很重要，因此用户可以选择一个命中并查看该文档的完整视图（通常适合一半屏幕），我需要在其中突出显示的匹配搜索词看法。我正在使用 WPF 和 MVVM 方法。文档视图目前使用大约十二个 ContentControl 实现，其中六个用于显示使用 highlightConverter 的可搜索字段。

性能很差，所以我添加了秒表计时来隔离问题。我模型中的 HighlightSearchTerms 方法似乎是罪魁祸首（大约需要 100-600 毫秒来执行）。如果我将此方法短路以仅返回输入文本，则性能很好。

方法如下：

_analyzer is a StandardAnalyzer(_luceneVersion)
_parser is a QueryParser(_luceneVersion, “content”, _analyzer)
_formatter is a SimpleHTMLFormatter(“|~S~|”, “|~E~|”);

private string HighlightSearchTerms(string text, string queryString)
{
    var query = new BooleanQuery();
    query.Add(_parser.Parse(queryString), Occur.SHOULD);
    var fragmentScorer = new QueryScorer(query);
    var highlighter = new Highlighter(_formatter, fragmentScorer);
    highlighter.TextFragmenter = new NullFragmenter();
    var tokenStream = _analyzer.TokenStream(null, new StringReader(text));
    string highlightedText = highlighter.GetBestFragment(tokenStream, text);
    return highlightedText == null ? text : highlightedText;
}

几年前，我阅读了“Lucene In Action”一书，并再次翻阅了相关部分，看看我是否能得到任何想法。我也在网上搜索了很多。因此，这里有几个问题或可能探索的领域。

1. 我可以忽略评分吗？我不需要显示匹配的上下文 搜索词，所以我不需要将命中文档分解成 碎片并获得各种碎片的“分数”。我想要 按标题显示的命中列表，然后当用户选择一个命中时， 整个命中文档突出显示。我知道怎么做 使用 NullFragmenter 和 GetBestFragment，但我不知道是否 使评分操作短路。会省略计分 提高性能？
2. 我已经考虑重构我的视图以使用单个小部件 将命中文档显示为一个 HTML 或 RTF 文本块。那样， 我只能调用一次 highlight 方法而不是 10 或 15 次（一些 ContentControls 在 ItemsControl 内，所以有 视图上某些字段的多个实例）。我希望这会 显着提升性能。突出显示将在文本上 用表格格式等标记，但我想 那还能用吗？
3. 我还缺少什么使我的突出显示方法 太慢了？半秒似乎太慢了——好像我真的搞砸了一些基本的东西。

Answer 1

您可以根据我已经给出的答案here获得额外的改进。