• 【Lucene4.8教程之四】分析



    1、基础内容

    (1)相关概念

    分析(Analysis),在Lucene中指的是将域(Field)文本转换成最基本的索引表示单元--项(Term)的过程。在搜索过程中,这些项用于决定什么样的文档能够匹配查词条件。

    分析器对分析操作进行了封装,它通过执行若干操作,将文本转化成语汇单元,这个处理过程也称为语汇单元化过程(tokenization),而从文本洲中提取的文本块称为语汇单元(token)。词汇单元与它的域名结合后,就形成了项。

    (2)何时使用分析器

    • 建立索引期间
    		Directory returnIndexDir = FSDirectory.open(indexDir);
    
    		IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_48,
    				new StandardAnalyzer(Version.LUCENE_48));
    
    		IndexWriter writer = new IndexWriter(returnIndexDir, iwc);
    • 使用QueryParser对象进行搜索时
    QueryParser parser = new QueryParser(Version.LUCENE_48, "contents",
    				new SimpleAnalyzer(Version.LUCENE_48));
    • 在搜索中高亮显示结果时
    (3)常用的4个分析器:
    • WhitespaceAnalyzer, as the name implies, simply splits text into tokens on whitespace characters and makes no other effort to normalize the tokens.
    • SimpleAnalyzer first splits tokens at non-letter characters, then lowercases each token. Be careful! This analyzer quietly discards numeric characters.
    • StopAnalyzer is the same as SimpleAnalyzer, except it removes common words (called stop words, described more in section XXX). By default it removes common words in the English language (the, a, etc.), though you can pass in your own set.
    • StandardAnalyzer is Lucene’s most sophisticated core analyzer. It has quite a bit of logic to identify certain kinds of tokens, such as company names,

    四、其它内容

    在创建IndexWriter时,需要指定分析器,如:
    <span>		</span>IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_48,
    <span>				</span>new StandardAnalyzer(Version.LUCENE_48));
    
    <span>		</span>writer = new IndexWriter(returnIndexDir, iwc);
    便在每次向writer中添加文档时,可以针对该文档指定一个分析器,如
    writer.addDocument(doc, new SimpleAnalyzer(Version.LUCENE_48));



  • 相关阅读:
    什么是工厂模式
    冒泡算法
    CSS中的绝对定位与相对定位
    JS function立即调用的几种写法
    paip.java 线程无限wait的解决
    paip.java 多线程参数以及返回值Future FutureTask 的使用.
    PAIP.并发编程 多核编程 线程池 ExecutorService的判断线程结束
    paip.slap工具与于64位win7与JDBC的性能对比
    JProfiler8 注册码序列号
    paip.提升性能---mysql 优化cpu多核以及lan性能的关系.
  • 原文地址:https://www.cnblogs.com/eaglegeek/p/4557911.html
Copyright © 2020-2023  润新知