Lucene Field

linxh

Lucene 2.0以后API接口发生了不少的变化。其中比较重要的是Field。

Field没了Keyword、UnIndexed、UnStored、Text这几个静态成员，只能用
Field(String, String, Store, Index)构造函数生成实例
Field类一共有5种构造函数：

[url=file:///G:/lucene-2.0.0/lucene-2.0.0/docs/api/org/apache/lucene/document/Field.html#Field(java.lang.String, byte[], org.apache.lucene.document.Field.Store)]Field[/url]
(
String
name, byte[] value,
Field.Store
store)
           Create a stored field with binary value.

Field
(
String
name,
Reader
reader)
           Create a tokenized and indexed field that is not stored.

Field
(
String
name,
Reader
reader,
Field.TermVector
termVector)
           Create a tokenized and indexed field that is not stored, optionally with storing term vectors.

Field
(
String
name,
String
value,
Field.Store
store,
Field.Index
index)
           Create a field by specifying its name, value and how it will be saved in the index.

Field
(
String
name,
String
value,
Field.Store
store,
Field.Index
index,
Field.TermVector
termVector)
           Create a field by specifying its name, value and how it will be saved in the index.
其中：
Field.Store 表示“是否存储”，即该Field内的信息是否要被原封不动的保存在索引中。
Field.Index 表示“是否索引”，即在这个Field中的数据是否在将来检索时需要被用户检索到，一个“不索引”的Field通常仅是提供辅助信息储存的功能。
Field.TermVector 表示“是否切词”，即在这个Field中的数据是否需要被切词。
通常，参数用Reader，表示在文本流数据源中获取数据，数据量一般会比较大。像链接地址URL、文件系统路径信息、时间日期、人名、居民身份证、电话号码等等通常将被索引并且完整的存储在索引中，但一般不需要切分词，通常用上面的第四个构造函数，第三四个参数分别为
Field.Store
.YES,
Field.Index
.YES。而长文本通常可用第3个构造函数。引用[http://blog.csdn.net/colasnail/archive/2007/03/21/1536417.aspx]

1.       2.0 以前的版本
Keyword: Field 的值将被保存到索引文件，为Field的值建立索引，建立索引时不需要分词。 对应Field.Store.YES, Field.Index.UN_TOKENIZED
UnIndexed: Field 的值将被保存到索引文件，不为Field的值建立索引，因此不能通过该Field搜索文档。对应Field.Store.YES, Field.Index.NO
UnStored: Field 的值不被保存到索引文件，将Field的值分词后建立索引。对应Field.Store.NO, Field.Index.TOKENIZED
Text: Field 的值分词后建立索引。如果参数为String值将被保存，为Reader值不被保存 。对应Field.Store.YES, Field.Index.TOKENIZED
2.       2.0 版本
用几个内部类的组合来区分Field的具体类型。
Store
²        COMPRESS: 压缩保存。用于长文本或二进制数据
²        YES ：保存
²        NO ：不保存
Index
²        NO ：不 建索引
²        TOKENIZED ：分词， 建索引
²        UN_TOKENIZED ：不分词， 建索引
²        NO_NORMS ：不分词， 建索引。但是Field的值不像通常那样被保存，而是只取一个byte，这样节约存储空间
TermVector
²        NO ： 不保存term vectors
²        YES ： 保存term vectors。
²        WITH_POSITIONS ： 保存term vectors。（保存值和token位置信息）
²        WITH_OFFSETS ： 保存term vectors。（保存值和Token的offset）WITH_POSITIONS_OFFSETS：保存term vectors。（保存值和token位置信息和Token的offset）


本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u/8780/showart_707961.html