Lucene.Net 2.3.1开发介绍 —— 三、索引（三）

3、Field配置所产生的效果

 索引数据，简单的代码，只要两个方法就搞定了，而在索引过程中用到的一些类里最简单，作用也不小的就是Field，接下来看看Field的各项设置都会有什么样的效果。

代码 3.1

 

Code
 1/**//// <summary>
 2/// 索引数据
 3/// </summary>
 4private void Index()
 5{
 6    Analyzer analyzer = new StandardAnalyzer();
 7    IndexWriter writer = new IndexWriter("IndexDirectory", analyzer, true);
 8    AddDocument(writer, "我的祖国", "英语单词");
 9    AddDocument(writer, "祖国万岁", "英语语法");
10    AddDocument(writer, "祖国", "英语单元");
11    AddDocument(writer, "人民", "单词测试");
12    writer.Optimize();
13    writer.Close();
14}
15/**//// <summary>
16/// 为索引准备数据
17/// </summary>
18/// <param name="writer">索引实例</param>
19/// <param name="content">需要索引的数据</param>
20void AddDocument(IndexWriter writer, string title, string content)
21{
22    Document document = new Document();
23    document.Add(new Field("title", title, Field.Store.Yes, Field.Index.TOKENIZED));
24    document.Add(new Field("content", content, Field.Store.YES, Field.Index.TOKENIZED));
25    writer.AddDocument(document);
26}

 

 

代码3.1就是准备好的索引过程。运行，然后呢？这里要说到一个工具，luke(lukeall)这是一个java平台下的Lucene索引管理工具。抽空，我实现了一个简单的dotNet版本的，详细请查看 NLuke版本更新信息 。接下来的索引，会用这个软件对索引进行分析。

 

现在就可以开始调整AddDocument方法中Field实例化时的参数了，看看调整后会对索引造成什么样的影响。这里以title对应的Field为例。

 

3.1 Field.Stroe选项

这个选项有3个值，下面来分析下效果。

3.1.1 Field.Stroe.Yes

刚好，默认的就是这个。用这选项建完索引，然后用NLuke查看，发现，title这个字段有，而且有8个Term。切换到文档区域，发现文档的title有内容。这个选项表示的就是存储，所以，这些是正常状态。

3.1.2 Field.Stroe.No

title也有8个Term，但是文档中没有字段了。也就是说现在可以用这个字段来搜索，但是搜索结果Hits中，不能用Document实例的Get方法来取得字段的内容了。那就是字段内容没有被存储。

3.1.3 Field.Store.COMPRESS

设置为COMPRESS，报错了，错误信息“Compression support not configured”，是个配置错误。这个错误在SupportClass，CheckCompressionSupport方法被抛出。这里读取了一个配置文件，然后根据配置文件指定的类名来创建实例。这个类必须实现接口 SupportClass.CompressionSupport.ICompressionAdapter。在Lucene.Net中内置了一个“SharpZipLibAdapter”，但是需要有编译符号SHARP_ZIP_LIB才能编译进去。为了看看效果，所以给项目添加SHARP_ZIP_LIB符号，然后增加app.config配置文件，在appseting中添加Lucene.Net.CompressionLib.class键，值是SharpZipLibAdapter。然后下载 ICSharpCode.SharpZipLib.dll,这个dll才是真正实现压缩算法的。下载地址： http://sourceforge.net/project/downloading.php?groupname=sharpdevelop&filename=SharpZipLib_0855_Bin.zip&use_mirror=nchc

把ICSharpCode.SharpZipLib.dll引入项目，就可以使用COMPRESS这个选项了。效果与Yes是一样的。

 

3.1.4 效果对比

对于Field.Stroe.Yes，产生字节大小是：627字节

Field.Stroe.COMPRESS是：661字节

Field.Stroe.No是：579字节

使用Field.Stroe.COMPRESS反而是占用空间最大，这不符合原先的设想。那是因为我们索引的文本太小，你可以试试看增加索引的内容，再对比小效果。

 

3.2 Field.Index选项

现在把Field.Stroe设置为Field.Stroe.Yes，接着来看看Field.Index的效果。

 

3.2.1 Field.Index.TOKENIZED

这个选项是用来控制分词的，TOKENIZED表明需要分词。运行后title有8个Term，没有问题。

3.2.2 Field.Index.UN_TOKENIZED

运行后只有4个Term，而且Term是原先写入的内容，和存储的完整内容没有区别。

3.2.3 Field.Index.NO

和预想的一样，title的Term一个也没有了。

3.2.4 Field.Index.NO_NORMS

效果似乎和Field.Index.UN_TOKENIZED一样，但是它把词条的附加信息全去掉了。比如，它将不再记录词的正太分布数据一类的东西。这样可以减少占用的空间。而且这个用法也有一个条件，就是只要开启，就要全部开启，否则会失效。比如索引了四条数据没使用NO_NORMS，而接下来的两条使用了NO_NORMS，那么前面四条的数据效果，那么接下来的两条数据实际上并没有产生NO_NORMS的效果。

3.2.5 效果分析

1，2，4三种情况虽然不同，但是都可以搜索，而第三种情况，也就是设置为NO，则不可以搜索。第一种情况，可以分词搜索，并且可以排序。而2，4则不能分词搜索，第四种情况不可以排序（不可以排序指，不能按照词出现的频率进行排序）。

 

从上面也可以看出，假设Field.Store设置为NO,而Field.Index也设置为NO，那就和没添加是一样的了。Field.Store是给你取完整数据用的，而Field.Index则是给搜索用的。在极端的情况下，可以设置Field.Store为NO，而Field.Index可以搜索，等取数据的时候再从数据源（比如数据库），它们中间有个关联法则，那样可以有效的减轻Lucene的工作压力。

 

3.3 Field.TermVector

Field.TermVector选项，现在工具还没实现这个功能，不过可以自己编码来实现。

 

代码 3.3.5.1

Code
 1[Test]
 2public void TermVectorTest()
 3{
 4    IndexReader reader = IndexReader.Open("IndexDirectory");
 5    int numDoc = reader.NumDocs();
 6    for (int i = 0; i < numDoc; i++)
 7    {
 8        Console.WriteLine("Doc:#" + i + "----------------------------");
 9        Document doc = reader.Document(i);
10        Field field = doc.GetField("title");
11        Console.WriteLine("是否被索引：" + field.IsIndexed());
12        Console.WriteLine("是否被存储：" + field.IsStored());
13        Console.WriteLine("是否存储开始位置：" + field.IsStorePositionWithTermVector());
14        Console.WriteLine("是否存储结束位置：" + field.IsStoreOffsetWithTermVector());
15        Console.WriteLine("是否保存了向量：" + field.IsTermVectorStored());
16        Console.WriteLine("是否分词：" + field.IsTokenized());
17        Console.WriteLine("--------------------------------------------");
18    }
19    reader.Close();
20}

 

设置Field.TermVector后，可以用代码3.3.5.1检查效果。你可以自己去试试。