Lucene - simpleAnalyzer - 如何获得匹配的单词？答案

【问题标题】：Lucene - simpleAnalyzer - How to get matched word(s)?Lucene - simpleAnalyzer - 如何获得匹配的单词？
【发布时间】：2012-03-15 07:26:00
【问题描述】：

通过使用以下算法，我无法获得或直接获得单词本身的偏移量。任何帮助将不胜感激

   ...
   Analyzer analyzer = new SimpleAnalyzer();
   MemoryIndex index = new MemoryIndex();

   QueryParser parser = new QueryParser(Version.LUCENE_30, "content", analyzer);

   float score = index.search(parser.parse("+content:" + target));

   if(score > 0.0f)
        System.out.println("How to know matched word?");

【问题讨论】：

标签： search lucene full-text-search analyzer

【解决方案1】：

这是整个内存索引和搜索示例。我刚刚为我自己写了，它运行良好。我知道您需要将索引存储在内存中，但问题是为什么您需要 MemoryIndex 呢？您只需使用 RAMDirectory 代替，您的索引将存储在内存中，因此当您执行搜索时，将从 RAMDirectory（内存）加载索引。

    StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_34);
    IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_34, analyzer);
    RAMDirectory directory = new RAMDirectory();
    try {
        IndexWriter indexWriter = new IndexWriter(directory, config);
        Document doc = new Document();
        doc.add(new Field("content", text, Field.Store.YES, Field.Index.ANALYZED, Field.TermVector.WITH_OFFSETS));
        indexWriter.addDocument(doc);
        indexWriter.optimize();
        indexWriter.close();

        QueryParser parser = new QueryParser(Version.LUCENE_34, "content", analyzer);
        IndexSearcher searcher = new IndexSearcher(directory, true);
        IndexReader reader = IndexReader.open(directory, true);

        Query query = parser.parse(word);
        TopScoreDocCollector collector = TopScoreDocCollector.create(10000, true);
        searcher.search(query, collector);
        ScoreDoc[] hits = collector.topDocs().scoreDocs;
        if (hits != null && hits.length > 0) {
            for (ScoreDoc hit : hits) {
                int docId = hit.doc;
                Document hitDoc = searcher.doc(docId);

                TermFreqVector termFreqVector = reader.getTermFreqVector(docId, "content");
                TermPositionVector termPositionVector = (TermPositionVector) termFreqVector;
                int termIndex = termFreqVector.indexOf(word);
                TermVectorOffsetInfo[] termVectorOffsetInfos = termPositionVector.getOffsets(termIndex);

                for (TermVectorOffsetInfo termVectorOffsetInfo : termVectorOffsetInfos) {
                    concordances.add(processor.processConcordance(hitDoc.get("content"), word, termVectorOffsetInfo.getStartOffset(), size));
                }
            }
        }

        analyzer.close();
        searcher.close();
        directory.close();

【讨论】：

您好，感谢您的评论。您可以将样本转换为 memoryIndex 使用情况吗？这就是我使用 memoryIndex 进行全文搜索的原因，我不能像您的代码中那样使用 hits 或 doc。
你好，谢谢，我使用memoryIndex是因为性能和内存问题我了解到MemoryIndex比RAMDirectory更高效、更方便，所以我更喜欢选择MemoryIndex。
那么我的建议是获取 Lucene in Action 书。它将为您节省大量使用 Lucene 的时间和问题。
这个类是 RAMDirectory 功能的一个大子集的替代品/替代品。它旨在实现在实时流应用程序（例如基于 Nux XQuery 的 XML 消息队列、博客/新闻源的发布-订阅系统、文本聊天、数据采集和分发系统）中结合结构化和模糊全文搜索的动态匹配的最大效率、应用级路由器、防火墙、分类器等...lucene.apache.org/core/old_versioned_docs/versions/3_4_0/api/…
close 语句应该在 finally 块中，每个语句前面都有一个非空测试。