Java 在Lucene文档中添加多值字符串字段，逗号是否重要？

我正在建立一个Lucene索引并添加文档

我有一个多值字段，在这个示例中，我将使用类别

一个项目可以有许多类别，例如，牛仔裤可以归入服装、裤子、男式、女式等

在文档中添加字段时，逗号是否起作用？Lucene会无视它们吗？如果我将逗号改为空格，会有区别吗？这是否会自动使字段具有多值性

String categoriesForItem = getCategories(); // returns "category1, category2, cat3" from a DB call

categoriesForItem = categoriesForItem.replaceAll(",", " ").trim(); // not sure if to remove comma

doc.add(new StringField("categories", categoriesForItem , Field.Store.YES)); // doc is a Document

我这样做对吗？还是有其他方法可以创建多值字段

---

非常感谢您的帮助/建议。

如果您使用StandardAnalyzer，可以使用逗号或空格。但如果你有另一台分析仪，那就要看情况了

---

另一种方法：同一字段中可以多次包含另一个类别。然后我建议使用KeywordAnalyzer，或者让它不加密，以便与您的类别名称完全匹配。

这将是为每个文档的多值字段编制索引的更好方法

String categoriesForItem = getCategories(); // get "category1, category2, cat3" from a DB call

String [] categoriesForItems = categoriesForItem.split(","); 
for(String cat : categoriesForItems) {
    doc.add(new StringField("categories", cat , Field.Store.YES)); // doc is a Document 
}

每当一个文档中出现具有相同名称的多个字段时，反向索引和术语向量都会按照字段添加的顺序，在逻辑上将字段的标记相互追加

此外，在分析阶段，两个不同的值将通过setPositionIncrementGap（）自动通过位置增量分离。让我解释一下为什么需要这样做

文档D1中的字段“categories”有两个值——“foo bar”和“foo baz” 现在，如果要进行短语查询，“bar foo”D1不应该出现。这是通过在同一字段的两个值之间添加额外增量来确保的

---

如果您自己连接字段值并依靠分析器将其拆分为多个值，“bar foo”将返回D1，这将是不正确的。

我使用的是最新的lucene（目前为4.6），与您真正的问题无关，但字段是否必须存储？更像是在“裤子”类别下搜索物品，而不是搜索牛仔裤并检索其所有类别，不是吗？嗯，我想支持这两种搜索。搜索产品并获取其类别（作为添加的过滤器），搜索类别下的项目并获取其产品。我是Lucene的新手，所以我不确定是否存储该字段，所以我默认存储它。我建议创建两个索引，一个用于类别，另一个用于项目，它们将运行得更快。谢谢。这很有帮助，但你能详细说明一下吗？或者给我指一个更详细的链接？@EliteOctagon他指的是@EliteOctagon我会看看StandardAnalyzer的文档。然后你知道你的文本是如何被分割成什么样的标记的。如果类别名称准确（即区分大小写）对您很重要，那么请使用多个字段，不要让他们进行分析。还有一件事@varunthacker，我以后如何在文档中检索此字段的所有值？当我做doc.getField（“store_number”）.toString（）时，它只给我一个值，最后一个插入的值。这是一个新问题：这个方法并没有真正使字段多值化，它只是具有相同名称的多个字段。如果要使其正常工作，可能需要将分析器中的位置增量间隙设置为不同于0的值。您可以通过使用生成器或覆盖Analyzer中的getPositionIncrementGap来实现这一点