Java 如何从Lucene索引中排除数字？

我正在开发一个信息检索应用程序，使用Lucene 5.3.1（目前最新版本），我设法为文本文件中的术语编制索引，然后在其中进行搜索。文本文件恰好包含章节号，如

2.1

，

3.4.2

等等

---

问题是，我不需要对这些数字进行索引，因为我不需要搜索它们，而且我还无法找到如何从标记化中排除某些术语，我知道

分析器使用StopWords集排除几个术语，但据我所知，它对数字没有任何作用。
我能想到的最简单的答案是——在索引之前从文本中删除数字。您可以使用正则表达式来实现这一点。此解决方案有一个副作用–

PositionIncrementAttribute将在没有这些数字的情况下计算，因为它们不会出现在文本中。这可能会破坏您的一些

短语查询

另一个选项，如前所述–编写自定义
TokenFilter
以去除数字。但你应该记住：


调整
分析器
以不分解点上的术语。否则，
2.1
将是两个术语，而不是一个术语。这同样会导致
短语查询出现问题

正确更改
PositionIncrementAttribute
（递增）的值，同时从
TokenStream
中删除术语
我能想到的最简单的答案是：在索引之前从文本中删除数字。您可以使用正则表达式来实现这一点。此解决方案有一个副作用–

PositionIncrementAttribute将在没有这些数字的情况下计算，因为它们不会出现在文本中。这可能会破坏您的一些

短语查询

另一个选项，如前所述–编写自定义
TokenFilter
以去除数字。但你应该记住：


调整
分析器
以不分解点上的术语。否则，
2.1
将是两个术语，而不是一个术语。这同样会导致
短语查询出现问题

正确更改
PositionIncrementAttribute
（递增）的值，同时从
TokenStream
中删除术语
没有单一的
分析器
-您可以编写自己的，或者只编写一个
标记过滤器
，以去除您不希望被索引的内容。没有单一的
分析器
-您可以编写自己的，或者只编写一个
标记过滤器
，以去除您不希望被索引的内容。