使用 Lucene 提取字段值答案

【问题标题】：Extracting Fields Value using Lucene使用 Lucene 提取字段值
【发布时间】：2013-11-24 11:33:27
【问题描述】：

我的问题是我只想用文本数据解析一个文档（而不是多个文档），并根据我的查询提取一些相关信息。

例如：如果我有以下文字：

This is a sample document.
Name: Te
Age: 25
Email: te@gmail.com
Some text in the end of the document

我想提取具有相应值的字段（姓名、年龄、电子邮件）

我找到的许多示例主要是搜索与查询匹配的文档。如果有人能指导我在 lucene 库中查找哪些 Analyzer 或 Query 类或任何要阅读的材料，我将不胜感激。

【问题讨论】：

我不知道 Lucene 中用于广义提取字段/值对的功能。为什么要使用 Lucene？
嗯，我的想法是使用 lucene 来索引文件和查询，例如关键字“名称”，以便获得该术语在文本中的位置。之后，我会从该位置获得以下 n 个连续标记作为“Name”的值，直到我点击另一个关键字“Age”，依此类推。如果我使事情复杂化，请纠正我。如果您可以建议我使用 Lucene 以外的其他库，请告诉我。谢谢
如果您只需要提取姓名、年龄和电子邮件及其各自的值，我会使用正则表达式。

标签： lucene information-retrieval information-extraction

【解决方案1】：

这应该可以帮助您入门。使用正则表达式，在 Java 中，文档内容已分配给变量 text：

String expr = "Name\:\s(\w+)\sAge\:\s+(\d+)\s+Email\:\s+([a-z0-9.@]+)\s+";
Pattern r = Pattern.compile(expr, Pattern.CASE_INSENSITIVE);
Matcher m = r.matcher(text);
if (m.find( ))
{
    System.out.println("Name: " + m.group(1) );
    System.out.println("Age: " + m.group(2) );
    System.out.println("Email: " + m.group(3) );
}
else { System.out.println("Match not found"); }

【讨论】：