我有一个数字图书馆系统，我在其中存储元数据和数据库中物理文件的路径。文件可以是任何内容：纯文本、Word、PDF、MP3、JPEG、MP4...
如何为我的域对象和物理文件（或文件的某些文本提取）提供全文搜索。
将文档文本存储在域对象中是我唯一的选择吗？无论搜索结果来自域对象还是物理文档，我都需要能够检索域对象列表。当然，使用文件路径可能存在连接，我实际上将每个文档放在由 GUID 命名的文件夹中，所以连接就在那里。
我需要在 Grails 中执行此操作，最好使用 solr 或可搜索插件，但 Java 解决方案会有所帮助。
看看这篇文章，它涵盖了像你这样的用例，基于Spring、Hibernate、Hibernate Search 和 JSF。它带有一个全面的、有据可查的示例应用程序。
它专注于关注范式和模块化的分离，顺便说一句。因此，涉及全文搜索的概念应该适合 Grails 或其他基于 Java 的应用程序。
主域类是de.metagear.library.model.Media（也有一个关联的MetaData域类）。您将能够混合使用 Hibernate 和 GORM 类；但是，您需要使用不同的 API。
该类Media包含一个属性plainText：
@Column(name = "plain_text", nullable = false)
@Field(index = Index.TOKENIZED, store = Store.YES)
@Lob
private String plainText;
该属性保存提取的文本（即，来自 PDF 等）。我不确定是否需要将其保存到数据库中（可能不需要，但否则不会造成太大伤害）。然而，它不用于全文搜索（见下文）。对于全文搜索，仅使用 Lucene 索引。
在Media创建 a 之前，会提取相应原始文档（可能是二进制文档）的文本内容。该de.metagear.library.model.factory.MediaFactory.getInstance(..)方法提取文本，将提取的文本存储在一个新Media对象中，然后返回Media。
在示例中，它只是将原始文档存储到域对象的属性中，但是，在该位置，您还可以将文档保存到文件并将引用（您提到的 GUID）存储到Media的属性中。
域类由类保存de.metagear.library.dao.MediaCrudDaoImpl，它是一个 Spring bean。在内部，它使用了一个注入EntityManagerFactory，在/applicationContext.xml 中，它已被定义为在后台使用 Hibernate。
由于域类中的 Hibernate 注释，索引会自动发生。
至于自己进行全文搜索，是通过不查询数据库，只查询Lucene索引的de.metagear.library.dao.MediaSearchDaoImpl.getSearchResults(..)方式来完成的。
示例应用程序包含一个强大的查询词预处理器，它可以在不同的索引上组合 AND、OR 和 NOT 运算符，同时保留全面的Lucene 表达式语法。
通过在这个地方设置一个自定义org.hibernate.transform.ResultTransformer，可以返回任何类型的对象（当然包括域类）。
我还没有研究过 Grails Searchable 插件，因此无法判断它在健壮性、可维护性、易用性以及自定义或第三方内容提取器的可扩展性方面是否可行、解析器和分析器。可能，它也是。
毕竟，我的方法涉及 Spring 和（也许）Hibernate 框架的基本知识。这些只是 Grails 和 Gorm 所基于的框架，但我认为这可能会为您提供一个决策点。
至少，在查看不同的框架和方法时，查看上述概念应该是有益的，并且能够推进。
谢谢。
您不需要将内容存储在域对象中，只需在创建索引条目时将内容与域对象关联即可。我使用Apache POI来提取我的内容，但还有更高级别的服务，例如Apache Tika
您可以直接使用Lucene在 java 中对其进行编码，但我建议改为SOLR