索引半結構化數據

我想索引一組包含半結構化數據的文檔，通常是鍵值對，如@author Joe Bloggs。這些關鍵字應該作爲可單獨查詢的文檔的可搜索屬性提供。索引半結構化數據

我一直在尋找Lucene，我可以在我感興趣的文檔上構建一個索引，但我不確定如何最好地繼續下一步的關鍵字提取。

在Lucene或其他索引系統中執行此操作是否有一種常見方法？我希望能夠使用典型的單詞搜索功能搜索文檔，因爲我已經可以了，所以想要的不僅僅是自定義正則表達式提取。

任何幫助將不勝感激。

尼爾

來源

2011-09-14 niallsco

我寫了使用Lucene源代碼搜索引擎，我的學士論文的一部分。其中一個關鍵特徵是源代碼被視爲結構化信息，因此應該可以像這樣搜索，也就是說，按照上述的屬性搜索。

Here你可以找到更多關於這個項目的信息。如果這對你有很大的幫助，我可以總結一下：

我爲所有應該可搜索的屬性創建了單獨的搜索字段。在我的情況下，例如'方法名稱'或'評論'或'班級名稱'。
將這些字段的內容重疊可能是有利的，但是這會炸燬您的數據庫索引（但僅在可搜索字段中出現冗餘數據時纔會線性）。

來源

2011-09-14 12:33:27 fgysin

如果你想知道一些更具體的問題，只要問，我會盡力幫助，如果我可以。 – fgysin

Hi @fgysin，看起來像一個不錯的項目。我很想看看你使用的一些代碼。有什麼方法可以在網站上看到除虛擬機之外的其他內容嗎？ – niallsco

我在這裏上傳了我擁有的代碼作爲JAR：https://sites.google.com/site/fgysindata/dumb/bender-code.jar?attredirects=0&d=1 Packages ** ch.unibe。 bender.analysis **和** ch.unibe.bender.documents **應該對你最有意思。注意：我使用了一些通常不應該這樣做的* com.sun.source *類導入 - 如果導入到「內部」類，您可能已將IDE配置爲不報告錯誤。 – fgysin

索引半結構化數據

回答

相關問題