6

在过去的几天里，我一直在研究一个 Lucene 文档搜索程序，到目前为止，一切都进展顺利。我正在尝试使用Lucene.Net.Highlight.Highlighter该类来显示我的搜索结果的相关片段，但它不能始终如一地工作。大多数情况下，调用Highlighter.GetBestFragments()完全符合我的预期（显示带有给定查询字符串的相关文本片段），但有时它只返回一个空字符串。

我已经三次检查了我的输入，我可以验证我正在使用的查询字符串是否存在于输入文本中，但是荧光笔有时只是任意返回一个空字符串。问题是可重现的；使用相同查询时，返回空白片段的文档将继续返回空白片段，而具有合法片段的文档继续具有合法片段。

但是，问题不是特定于文档的。一些查询为文档返回有效片段，而其他查询为同一文档返回空字符串。该问题似乎也与我的分析仪无关；无论我使用 aStandardAnalyzer还是SnowballAnalyzer.

经过数小时的探索，我无法在失败的查询/文档中找到任何模式与那些有效的模式。请记住，这发生在使用完全相同的查询从 Lucene 索引中专门拉回的文档上。这意味着Searcher能够在目标文档中找到相关的查询字符串，但Highlighter不是。

这是Lucene中的错误吗？如果是这样，我该如何解决它？

我的代码：

private static SimpleHTMLFormatter _formatter = new SimpleHTMLFormatter("<b>", "</b>");
private static SimpleFragmenter _fragmenter = new SimpleFragmenter(50);
...
{
    using (var searcher = new IndexSearcher(analyzerInfo.Directory, false))
    {
        QueryParser parser = new QueryParser(Lucene.Net.Util.Version.LUCENE_29, "Text", analyzerInfo.Analyzer);
        parser.SetMultiTermRewriteMethod(MultiTermQuery.SCORING_BOOLEAN_QUERY_REWRITE);

        //build query
        BooleanQuery booleanQuery = new BooleanQuery();
        booleanQuery.Add(new TermQuery(new Term("PageNum", "0")), BooleanClause.Occur.MUST);
        booleanQuery.Add(parser.Parse(searchQuery), BooleanClause.Occur.MUST);
        Query query = booleanQuery.Rewrite(searcher.GetIndexReader());

        //get results from query
        ScoreDoc[] hits = searcher.Search(query, 50).ScoreDocs;
        List<DVDoc> results = hits.Select(hit => MapLuceneDocumentToData(searcher.Doc(hit.Doc))).ToList();

        //add relevant fragments to search results (shows WHY a certain result was chosen)
        QueryScorer scorer = new QueryScorer(query);
        Highlighter highlighter = new Highlighter(_formatter, scorer);
        highlighter.SetTextFragmenter(_fragmenter);
        foreach (DVDoc result in results)
        {
            TokenStream stream = analyzerInfo.Analyzer.TokenStream("Text", new StringReader(result.Text));
            result.RelevantFragments = highlighter.GetBestFragments(stream, result.Text, 3, "...");
        }

        //clean up
        analyzerInfo.Analyzer.Close();
        searcher.Close();

        return results;
    }
}

（注意：DVDoc本质上只是一个结构，它存储有关找到的文档的信息。该方法MapLuceneDocumentToData将 LuceneDocument转换为我的自定义DVDoc类，那里没有魔法。）

由于每个人都喜欢示例输入和输出：

我正在使用 Lucene.NET 版本 2.9.4g。

4

1 回答 1

9

默认情况下，荧光笔只会处理文档的前 51200 个字符。

要增加此限制，请设置该MaxDocCharsToAnalyze属性。

http://lucene.apache.org/core/old_versioned_docs/versions/2_9_2/api/contrib-highlighter/org/apache/lucene/search/highlight/Highlighter.html#setMaxDocCharsToAnalyze(int)

于 2012-05-24T13:35:31.917 回答