Java Lucene：如何存储文件内容？

我正在尝试索引和存储文件内容（纯文本），但使用这种方式似乎是不可能的：

protected Document getDocument(File f) throws Exception {
  Document doc = new Document();
  Field contents = new Field("contents", new FileReader(f));
  Field filename = new Field("filename", f.getName(), Field.Store.YES, Field.Index.ANALYZED);
  doc.add(contents);
  return doc;
}

---

如何存储纯文本文件的内容（没有任何标记）？

看看ApacheTika(http://tika.apache.org/). 他们有一个很好的库，可以从HTML和其他结构化文档中提取文本。这将有助于从HTML中提取文本

---

至于存储在lucene索引中，根据您的需要，您可以在存储之前去掉标记。或者，您可以使用它创建一个分析器，以便在索引时显示标记。

看看ApacheTika(http://tika.apache.org/). 他们有一个很好的库，可以从HTML和其他结构化文档中提取文本。这将有助于从HTML中提取文本

---

至于存储在lucene索引中，根据您的需要，您可以在存储之前去掉标记。或者，您可以使用它创建一个分析器，以便在索引时显示标记。

只需读取文件内容并使用另一个字段构造函数，如

protected Document getDocument(File f) throws Exception {
  Document doc = new Document();
  Field contents = new Field("contents", new Scanner(f).useDelimiter("\\A").next(), Store.YES, Index.NO);  // you should actually close the scanner
  Field filename = new Field("filename", f.getName(), Store.YES, Index.ANALYZED);
  doc.add(contents);
  doc.add(filename);
  return doc;
}

---

只需读取文件内容并使用另一个字段构造函数，如

protected Document getDocument(File f) throws Exception {
  Document doc = new Document();
  Field contents = new Field("contents", new Scanner(f).useDelimiter("\\A").next(), Store.YES, Index.NO);  // you should actually close the scanner
  Field filename = new Field("filename", f.getName(), Store.YES, Index.ANALYZED);
  doc.add(contents);
  doc.add(filename);
  return doc;
}