c# - 如何使用 Lucene.Net 获取找到的单词列表？

Question

我有索引文件。他们有内容：

文件 1：

房间里放着一张绿色的桌子。房间很小。

文件 2：

房间里放着绿色的桌子。房间很大。

我正在寻找“绿色桌子”。我会找到 Document1 和 Document2。我想显示找到了哪些短语。我在第一份文件中找到了 - “绿桌”。我在第二份文件中找到了 - “greens table”。我将如何获得创建词列表（“green table”和“greens table”）？我正在使用 Lucene.Net 3.0.3 版。

Answer 1

您可以使用荧光笔标记“找到的单词”。如果您出于其他原因想要找​​到它们，您仍然可以使用荧光笔，然后使用正则表达式（或简单的子字符串循环）来提取单词。

例如：

Query objQuery = new TermQuery(new Term("content", strQuery));

QueryScorer scorer = new QueryScorer(objQuery , "content");

SimpleHTMLFormatter formatter = new SimpleHTMLFormatter("<b>","</b>");

highlighter = new Highlighter(formatter, scorer);
highlighter.TextFragmenter = new SimpleFragmenter(9999);

for (int i = 0; i < topRealtedDocs.ScoreDocs.Length; i++)
{
     TokenStream stream = TokenSources.GetAnyTokenStream(searcher.IndexReader, topRealtedDocs.ScoreDocs[i].Doc, "content", analyzer);

     string strSnippet = highlighter.GetBestFragment(stream, doc.GetValue("content"));

     // here you can do what you want with the snippet. add it to your result or for example extract the words (not with a regex - this is just an example from here! use what ever you need):
     List<string> foundPhrases = new List<string>();
     while (strSnippet.IndexOf("<b>") > -1)
     {
          int indexStart = strSnippet.IndexOf("<b>");
          int indexEnd = strSnippet.IndexOf("</b>");

          foundPhrases.Add(strSnippet.Substring(indexStart, indexEnd - indexStart));

          strSnippet = strSnippet.Substring(indexEnd);

     }
}

暗里