Lucene——索引过程分析Index

Lucene索引过程分为3个主要操作步骤：将原始文档转换成文本、分析文本、将分析好的文本保存至索引中

一、提取文本和创建文档

从 pdf、word等非纯文本格式文件中，提取文本格式信息。建立起对应的，包含各个域的文档后，就可以对这些文本信息进行分析。

使用 Tika框架实现

二、分析文档

调用 IndexWriter对象的 addDocument方法，将数据传递给Lucene进行索引操作。

分析文本，将文本数据分割成语汇单元串，执行一些可选操作。

一起构成分析器。

三、向索引添加文档

lucene索引包含一个或多个段

segments_N

Segments 0, Segments 1, Segments 2, Segments 3,……, Segments n

每个段都是一个独立的索引。每个段，都包含多个文件 _X.<ext>

如果使用混合文件格式，那么上述索引文件，会被压缩成一个单一的文件 _X.cfs

段文件：_<N>

索引时，需要进行的基本操作（添加、更新、删除）

 

 

 

 

 

Donate捐赠

如果我的文章帮助了你，可以赞赏我 6.66 元给我支持，让我继续写出更好的内容)

   

  （微信）                                        （支付宝）

微信/支付宝 扫一扫