0

我正在使用 apache lucene 来索引 html 文件。我将 html 文件的路径存储在 lucene index 中。它存储索引，并且我已经在 luke all 中检查了它。但是当我搜索文件的路径时，它返回的文档数量非常高。我希望它应该搜索存储在 lucene 索引中的确切路径。我正在使用以下代码

for index creation


   try{
         File indexDir=new File("d:/abc/")
        IndexWriter indexWriter = new IndexWriter(
             FSDirectory.open(indexDir),
            new SimpleAnalyzer(),
            true,
            IndexWriter.MaxFieldLength.LIMITED);
            indexWriter.setUseCompoundFile(false);
        Document doc= new Document();
        String path=f.getCanonicalPath();
          doc.add(new Field("fpath",path,
        Field.Store.YES,Field.Index.ANALYZED));
        indexWriter.addDocument(doc);
        indexWriter.optimize();
        indexWriter.close();
     }
    catch(Exception ex )
    {
     ex.printStackTrace();
    }



  Following the code for searching the filepath

        File indexDir = new File("d:/abc/");
           int maxhits = 10000000;
                     int len = 0;
                try {
                    Directory directory = FSDirectory.open(indexDir);
                     IndexSearcher searcher = new IndexSearcher(directory, true);
                    QueryParser parser = new QueryParser(Version.LUCENE_36,"fpath", new SimpleAnalyzer());
                    Query query = parser.parse(path);
                    query.setBoost((float) 1.5);
                    TopDocs topDocs = searcher.search(query, maxhits);
                    ScoreDoc[] hits = topDocs.scoreDocs;
                   len = hits.length;
                   JOptionPane.showMessageDialog(null,"items found"+len);

                 }
                catch(Exception ex)
               {
                 ex.printStackTrace();
              }

它显示找到的文档数量为文档总数，而搜索的路径文件仅存在一次

4

1 回答 1

1

您正在分析路径，这会将其拆分为单独的术语。根路径术语（如/ catalog /products/versions中的目录）可能出现在所有文档中，因此任何包含目录但不强制所有术语都是强制性的搜索将返回所有文档。

您需要一个搜索查询，例如（使用上面的示例）：

+catalog +products +versions

强制所有条款都存在。

请注意，如果同一组术语可以以不同的顺序出现，这会变得更加复杂，例如：

/catalog/products/versions
/versions/catalog/products/SKUs

在这种情况下，您需要使用与标准分析器中的分词器不同的 Lucene 分词器。

于 2013-02-07T12:05:42.813 回答