将Lucene从3.5升级到4.10-如何处理JavaAPI更改

我目前正在将一个搜索引擎应用程序从Lucene 3.5.0升级到4.10.3版。在版本4中有一些实质性的API更改破坏了向后兼容性。我已经设法解决了大部分问题，但仍有一些问题需要我的帮助：

“无法从分析器重写最终方法”

原始代码扩展了Analyzer类和overrode tokenStream（…）

但这种方法现在是最终的，我不知道如何理解更改日志中的以下注释：

ReusableAnalyzerBase已重命名为Analyzer。所有Analyzer实现现在都必须使用Analyzer.TokenStreamComponents，而不是重写.tokenStream（）和.reusableTokenStream（）（现在是最终版本）

上述方法还有一个问题：

“类型CharReader的方法get（Reader）未定义”

这里似乎也发生了一些相当大的变化

“TermPositionVector无法解析为类型”

这门课现在已经在Lucene 4上了。有没有简单的修复方法？从更改日志：

术语向量API（TermFreqVector、TermPositionVector、TermVectorMapper）已被删除，以支持上述灵活的索引API，从术语向量中呈现文档的单个文档反向索引

可能与此有关：

类型IndexReader的方法getTermFreqVector（int，String）未定义

这两个问题都发生在这里，例如：

TermPositionVector termVector = (TermPositionVector) reader.getTermFreqVector(...);

（“reader”是IndexReader类型）

如果您能在这些问题上提供帮助，我将不胜感激。

我在Lucene邮件列表中找到了core developer对您问题的解答。我花了一些时间来熟悉新的API，所以我需要在忘记之前写下一些东西

这些注释适用于Lucene 4.10.3

实现分析器（1-2）

newanalyzer（）{
@凌驾
受保护的TokenStreamComponents createComponents（字符串字段名、读卡器）{
标记器源=新的WhitespaceTokenizer（新的HTMLStripCharFilter（读卡器））；
令牌流接收器=新的小写筛选器（源）；
返回新组件（源、接收器）；
}
};

的构造函数接受一个源和一个接收器。接收器是您的令牌流的最终结果，由

Analyzer.tokenStream（）

返回，因此将其设置为您的筛选器链。源是应用任何筛选器之前的令牌流

，尽管名称不同，实际上是java.io.Reader的一个子类，它删除了HTML结构，因此您不再需要CharReader

术语向量替换（3-4） 术语向量在Lucene 4中的工作方式不同，因此没有直接的方法交换。具体答案取决于您的需求

如果需要位置信息，首先必须使用位置信息为字段编制索引：

Document doc=新文档（）；
FieldType f=新的FieldType（）；
f、 设置索引（true）；
f、 设置存储项向量（真）；
f、 设置存储矢量位置（真）；
添加文档（新字段（“文本”、“您好”，f））；

最后，为了获得文档字段的频率和位置信息，您可以像下面这样深入研究新的API（改编自）：

//IndexReader-ir；
//int-docID=0；
Terms=ir.getTermVector（docID，“text”）；
terms.hasPositions（）；//如果将字段设置为存储位置，则应为true
TermsEnum TermsEnum=terms.iterator（null）；
BytesRef term=null；
//探索这个领域的术语
while（（term=termsEnum.next（））！=null）{
//通过文档枚举，在本例中仅枚举一个
DocsAndPositionsEnum docsEnum=termsEnum.docsAndPositions（null，null）；
int docIdEnum；
而（（docIdEnum=docsEnum.nextDoc（））！=docidSetInterator.NO\u MORE\u DOCS）{
对于（int i=0；i

---

如果

Terms.iterator（）

返回了一个实际的Iterable，那就太好了。

试试Lucene邮件列表。我觉得Lucene人对这种事情太自由了。

TermPositionVector termVector = (TermPositionVector) reader.getTermFreqVector(...);

// IndexReader ir;
// int docID = 0;
Terms terms = ir.getTermVector(docID, "text");
terms.hasPositions(); // should be true if you set the field to store positions
TermsEnum termsEnum = terms.iterator(null);
BytesRef term = null;
// Explore the terms for this field
while ((term = termsEnum.next()) != null) {
    // Enumerate through documents, in this case only one
    DocsAndPositionsEnum docsEnum = termsEnum.docsAndPositions(null, null);
    int docIdEnum;
    while ((docIdEnum = docsEnum.nextDoc()) != DocIdSetIterator.NO_MORE_DOCS) {
        for (int i = 0; i < docsEnum.freq(); i++) {
            System.out.println(term.utf8ToString() + " " + docIdEnum + " "
                    + docsEnum.nextPosition());
        }
    }
}