加龙

加龙加香不加价
随笔 - 133, 评论 - 336 , 引用 - 51

lucene不同版本的差别与比较

 
 将以前开发的项目中的lucene从1.4.3升级到2.1,发现编译就不通过,于是对照新的API将程序做了修改,目前本人遇到的API更改有

1. IndexReader类

    delete(int id)方法改名为deleteDocuemnt(int id), delete(Term t) 方法改名为deleteDocuments(Term t);

   getFieldNames()方法现在必须传入参数了,类型是IndexReader.FieldOption,例如

    Collection c=reader.getFieldNames(IndexReader.FieldOption.ALL);

2. Field类

  构造函数Field(String name,String value,boolean store,boolean index,....)不复存在,变成了更加

Field(String name, String value, Field.Store store, Field.Index index, Field.TermVector termVector)

 相应的Field.Keyword静态方法也没有了,必须采用构造函数直接生成实例;

3. BooleanQuery

   add方法也改了,原有的是add(Query q, boolean required, boolean prohibited)现在也更加面向对象了:

    add(Query q, BooleanClause.Occur occur);

4.BooleanClause

  其query属性不是public的了,需要使用getQuery()方法获取;

4. IndexWriter

  mergeFactor属性不再是public的了,有了个setMergeFactor()方法;

5. DateField

  deprecated了,使用DateTools;

6.QueryParser

  parse方法不再是static的了,也就是要先取得QueryParser 的实例再调用实例的parse()方法。这样就可以继承QueryParser 写一个自己的检索式解析器了。我写了一个来解决做模糊检索时出现TooManyClauses 异常的问题。主要是利用Filter的机制来实现。但实际运行过程中只能解决PrefixQuery的问题,即title:comput*样式的检索式没有问题(星号在最后),而在做WildcardQuery时即检索式样式是title:com*er时速度非常慢(数据量4000万),于是只好在新的解析器中只重写了getPrefixQuery()方法。

7. Luke

Luke工具读2.0的索引不太好用了,在其官方网站上还没有支持2.0的版本,于是下了源代码针对2.0的接口重新编译了一下,做了一些修改。可以从这里下载:

2.0以前的版本
    Keyword: Field的值将被保存到索引文件,为Field的值建立索引,建立索引时不需要分词。
    UnIndexed: Field的值将被保存到索引文件,不为Field的值建立索引,因此不能通过该Field搜索文档。
    UnStored: Field的值不被保存到索引文件,将Field的值分词后建立索引
   Text: Field的值分词后建立索引。如果参数为String值将被保存,为Reader值不被保存


2.0版本
         用几个内部类的组合来区分Field的具体类型。
Store 
        COMPRESS:压缩保存。用于长文本或二进制数据          YES:保存                           NO:不保存
Index
        NO:不建索引        TOKENIZED:分词,建索引        UN_TOKENIZED:不分词,建索引        NO_NORMS:不分词,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
TermVector
        NO:不保存term vectors        YES:保存term vectors。        WITH_POSITIONS:保存term vectors。(保存值和token位置信息)        WITH_OFFSETS:保存term vectors。(保存值和Token的offset)WITH_POSITIONS_OFFSETS:保存term vectors。(保存值和token位置信息和Token的offset) 

发表于 2007年10月22日 17:41

评论

No comments posted yet.

Post Comment

主题  
姓名  
主页
校验码  
内容   
京ICP备 05050892号