标签：Lucene   os   文件   问题   c   html   

Lucene 4.9

基础准备

• 了解常用分词器，选择合适分词器
• 读取文件编码要正确，非TXT文档需要进行特殊处理或特殊工具读取后才进行分词处理
• TextField内容不能保存过长，最大长度是32766个字节

StringField， TextField 的区别，其他

• StringField 不进行分词处理，保存
• TextField 进行分词处理，默认不保存，可以选择保存，最大长度是 32766字节
• 其他省略…

Demo参考:

• org.apache.lucene.demo.IndexFiles
• org.apache.lucene.demo.SearchFiles

基本参考两个类基本够用

常见问题，调试技巧(查询不是想要结果)

• 查看索引文档的分词结果，编码和分词是否是否正确
• 查看关键字搜索的分词结果
• 读取文件内容编码处理必须正确，乱码索引不到想要结果

优化

• 优化索引内容，加快索引效率和查询效率，提高命中率
• 特殊文档特殊处理。 例如: html 需要过滤html标签和对标题、关键字、描述内容过的特殊处理，word文档需要用工具处理等。

未完待续，玩命的完善中.

Lucene 学习入门,布布扣,bubuko.com

Lucene 学习入门

标签：Lucene   os   文件   问题   c   html   

原文地址：http://my.oschina.net/gofan/blog/290552