Lucene 3.0 - 爲什麼我無法獲得正確的計數？

Question

我是Lucene的新手，當我嘗試在搜索後得到一個hitcount時，我迷路了。請幫忙。 順便說一句，我正在使用Netbeans IDE。預先感謝您的幫助。

/* 
* To change this template, choose Tools | Templates 
* and open the template in the editor. 
*/ 
package pdflucene; 

/** 
* 
* @author nigel 
*/ 


import java.io.IOException; 


import org.apache.lucene.analysis.standard.StandardAnalyzer; 
import org.apache.lucene.document.Document; 
import org.apache.lucene.document.Field; 

import org.apache.lucene.index.IndexWriter; 
import org.apache.lucene.index.IndexWriterConfig; 
import org.apache.lucene.index.Term; 
import org.apache.lucene.search.IndexSearcher; 
import org.apache.lucene.search.TermQuery; 
import org.apache.lucene.store.RAMDirectory; 
import org.apache.lucene.util.Version; 
import org.apache.pdfbox.pdmodel.PDDocument; 
import org.apache.pdfbox.util.PDFTextStripper; 


public class ExtractPageContent { 


public static final String inn = "/Users/nigel/Desktop/Statement_Week9/AlanWilder.pdf"; 
public static final String PATH = "/Users/nigel/Desktop/Statement_Week9"; 



public void parsePdf(String pdf) throws IOException { 
    String ts=""; 
    String content=""; 
    String [] queryStrings; 

try{ 
    String temp = ""; 
    PDDocument pdfdocument = PDDocument.load(pdf); 
    Integer n=pdfdocument.getNumberOfPages(); 
    PDFTextStripper stripper = new PDFTextStripper(); 

    RAMDirectory idx = new RAMDirectory(); 
    stripper.setStartPage(1); 
    stripper.setEndPage(4); 
    stripper.setSortByPosition(false); 

    pdfdocument.close(); 

    IndexWriterConfig conf = new IndexWriterConfig(Version.LUCENE_30, new StandardAnalyzer(Version.LUCENE_30)); 
    IndexWriter writer = new IndexWriter(idx, conf); 
    Document mydoc = new Document(); 
    mydoc.add(new Field("content", "Alan is Alan not quite alan",Field.Store.NO,Field.Index.ANALYZED)); 

    writer.addDocument(mydoc) ; 
    writer.close(); 


    IndexSearcher ss=new IndexSearcher(idx,true); 
    Term t = new Term("content", "Alan"); 
    TermQuery pq= new TermQuery(t); 


    int results = ss.search(pq,1).totalHits; 
    System.out.println("total hits: " + results); 


    ss.close(); 

    System.out.println("number of pages " + n); 
    }catch(Exception e){ 
     System.out.println("Something Wrong at "+e.getMessage()); 
    } 



} 



/** 
* Main method. 
* @param args no arguments needed 
* @throws IOException 
*/ 
    public static void main(String[] args) throws IOException { 
    new ExtractPageContent().parsePdf(inn); 
    } 
} 

Answer 1

您之所以獲得零點擊是因爲您索引信息的方式和查詢方式不同。

當您爲信息編制索引時，您使用StandardAnalyzer，它在內部使用LowerCaseFilter，並且您的所有數據都位於索引內小寫。

當您查詢時，您會構建「原始」查詢（使用TermQuery），這不會降低您的期限值。如果您對該行

Term t = new Term("content", "Alan"); 

變成

Term t = new Term("content", "alan"); 

，你會得到想要的結果。顯然，這是個不錯的辦法 - 你要通過解析查詢並重復使用相同的分析來實現相同的，例如：

Query q = MultiFieldQueryParser.parse(
        Version.LUCENE_30, 
        "content:Alan", 
        new String[]{"content"}, 
        new BooleanClause.Occur[] {BooleanClause.Occur.SHOULD}, 
        analyzer 
); 

你也許可以使用不同類型的查詢，但你有這個想法。

p.s.下次不包括與問題無關的信息（PDF文件）。