学习笔记14 Lucene.NET中Field.Index 和 Field.Store的几种属性的用法 Lucene.NET中Field.Index 和 Field.Store的几种属性的用法

转:

Lucene.NET中Field.Index 和 Field.Store的几种属性的用法

分类：搜索引擎 2011-07-17 13:37 19人阅读 评论(0) 收藏 举报

lucene在doc.add(new Field("content",curArt.getContent(),Field.Store.NO,Field.Index.TOKENIZED)); Field有两个属性可选：存储和索引。 通过存储属性你可以控制是否对这个Field进行存储； 通过索引属性你可以控制是否对该Field进行索引。 事实上对这两个属性的正确组合很重要。 Field.Index Field.Store 说明 TOKENIZED(分词) YES 被分词索引且存储 TOKENIZED NO 被分词索引但不存储 NO YES 这是不能被搜索的，它只是被搜索内容的附属物。如URL等 UN_TOKENIZED YES/NO 不被分词，它作为一个整体被搜索,搜一部分是搜不出来的 NO NO 没有这种用法 我们那文章表为例.articleinfo.有ID,title(标题),sumary(摘要),content(内容),userName(用户名) 其中title(标题),sumary(摘要)属于第一种情况,既要索引也要分词,也要存储. content(内容)要分词,索引,但不存储.由于他太大了,而且界面也不用显示整个内容. ID要存储,不用索引.因为没人用他来查询.但拼URL却很需要他.索引要存储. userName(用户名)索引,但不分词.可用保存.为什么不分词?比如"成吉思汗",我不想被"成汉"搜索到.我希望要么"成吉思汗"或者"*吉思*"通配符搜到. 总结如下: 1.如果要对某Field进行查找，那么一定要把Field.Index设置为TOKENIZED或UN_TOKENIZED。TOKENIZED会对Field的内容进行分词；而UN_TOKENIZED不会，只有全词匹配，该Field才会被选中。 2.如果Field.Store是No，那么就无法在搜索结果中从索引数据直接提取该域的值，会使null。 补充: Field.Store.YES:存储字段值（未分词前的字段值） Field.Store.NO:不存储,存储与索引没有关系 Field.Store.COMPRESS:压缩存储,用于长文本或二进制，但性能受损 Field.Index.ANALYZED:分词建索引 Field.Index.ANALYZED_NO_NORMS:分词建索引，但是Field的值不像通常那样被保存，而是只取一个byte，这样节约存储空间 Field.Index.NOT_ANALYZED:不分词且索引 Field.Index.NOT_ANALYZED_NO_NORMS:不分词建索引，Field的值去一个byte保存 TermVector表示文档的条目（由一个Document和Field定位）和它们在当前文档中所出现的次数 Field.TermVector.YES:为每个文档（Document）存储该字段的TermVector Field.TermVector.NO:不存储TermVector Field.TermVector.WITH_POSITIONS:存储位置 Field.TermVector.WITH_OFFSETS:存储偏移量 Field.TermVector.WITH_POSITIONS_OFFSETS:存储位置和偏移量

lucene在doc.add(new Field("content",curArt.getContent(),Field.Store.NO,Field.Index.TOKENIZED)); Field有两个属性可选：存储和索引。 通过存储属性你可以控制是否对这个Field进行存储； 通过索引属性你可以控制是否对该Field进行索引。 事实上对这两个属性的正确组合很重要。 Field.Index Field.Store 说明 TOKENIZED(分词) YES 被分词索引且存储 TOKENIZED NO 被分词索引但不存储 NO YES 这是不能被搜索的，它只是被搜索内容的附属物。如URL等 UN_TOKENIZED YES/NO 不被分词，它作为一个整体被搜索,搜一部分是搜不出来的 NO NO 没有这种用法 我们那文章表为例.articleinfo.有ID,title(标题),sumary(摘要),content(内容),userName(用户名) 其中title(标题),sumary(摘要)属于第一种情况,既要索引也要分词,也要存储. content(内容)要分词,索引,但不存储.由于他太大了,而且界面也不用显示整个内容. ID要存储,不用索引.因为没人用他来查询.但拼URL却很需要他.索引要存储. userName(用户名)索引,但不分词.可用保存.为什么不分词?比如"成吉思汗",我不想被"成汉"搜索到.我希望要么"成吉思汗"或者"*吉思*"通配符搜到. 总结如下: 1.如果要对某Field进行查找，那么一定要把Field.Index设置为TOKENIZED或UN_TOKENIZED。TOKENIZED会对Field的内容进行分词；而UN_TOKENIZED不会，只有全词匹配，该Field才会被选中。 2.如果Field.Store是No，那么就无法在搜索结果中从索引数据直接提取该域的值，会使null。 补充: Field.Store.YES:存储字段值（未分词前的字段值） Field.Store.NO:不存储,存储与索引没有关系 Field.Store.COMPRESS:压缩存储,用于长文本或二进制，但性能受损 Field.Index.ANALYZED:分词建索引 Field.Index.ANALYZED_NO_NORMS:分词建索引，但是Field的值不像通常那样被保存，而是只取一个byte，这样节约存储空间 Field.Index.NOT_ANALYZED:不分词且索引 Field.Index.NOT_ANALYZED_NO_NORMS:不分词建索引，Field的值去一个byte保存 TermVector表示文档的条目（由一个Document和Field定位）和它们在当前文档中所出现的次数 Field.TermVector.YES:为每个文档（Document）存储该字段的TermVector Field.TermVector.NO:不存储TermVector Field.TermVector.WITH_POSITIONS:存储位置 Field.TermVector.WITH_OFFSETS:存储偏移量 Field.TermVector.WITH_POSITIONS_OFFSETS:存储位置和偏移量