Java 在Lucene文档中添加字段

你好，我有一个32mb的文件。它是一个简单的字典文件，编码为1250，其中包含280万行。每行只有一个唯一的单词：

cat
dog
god
...

我想使用Lucene搜索特定单词词典中的每个字谜。例如：

我想搜索单词dog的每一个字谜，lucene应该搜索我的字典，返回dog和上帝。在我的webapp中，我有一个单词实体：

public class Word {
    private Long id;
    private String word;
    private String baseLetters;
    private String definition;
}

基本字母是按字母顺序排序的变量，用于搜索此类字谜[上帝和狗的单词将具有相同的基本字母：dgo]。我在不同的服务中使用这个baseLetters变量成功地从我的数据库中搜索了这样的字谜，但我在创建字典文件的索引时遇到了问题。我知道我必须添加到字段：

但是我不知道怎么做：（有人能告诉我一些实现这个目标的方向吗

现在我只有这样的东西：

public class DictionaryIndexer {

private static final Logger logger = LoggerFactory.getLogger(DictionaryIndexer.class);

@Value("${dictionary.path}")
private String dictionaryPath;

@Value("${lucene.search.indexDir}")
private String indexPath;

public void createIndex() throws CorruptIndexException, LockObtainFailedException {
    try {
        IndexWriter indexWriter = getLuceneIndexer();
        createDocument();           
    } catch (IOException e) {
        logger.error(e.getMessage(), e);
    }       
 }

private IndexWriter getLuceneIndexer() throws CorruptIndexException, LockObtainFailedException, IOException {
    StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_36);
    IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_36, analyzer);
    indexWriterConfig.setOpenMode(OpenMode.CREATE_OR_APPEND);
    Directory directory = new SimpleFSDirectory(new File(indexPath));
    return new IndexWriter(directory, indexWriterConfig);
}

private void createDocument() throws FileNotFoundException {
    File sjp = new File(dictionaryPath);
    Reader reader = new FileReader(sjp);

    Document dictionary = new Document();
    dictionary.add(new Field("word", reader));
}

}

---

PS：还有一个问题。如果我在春季将DocumentIndexer注册为bean，那么每次我重新部署我的webapp时，索引是否都会创建/追加？未来的DictionarySearcher也会这样做？

Lucene并不是最好的工具，因为你不是在做搜索：你是在做查找。所有真正的工作都发生在“indexer”中然后您只需存储所有工作的结果，在任何哈希类型的存储机制中，查找可以是O（1）

以下是索引器应执行的操作：

将整个词典读入一个简单的结构，如

SortedSet

或

String[]

创建一个空的

HashMap

（为了性能，可能大小相同）来存储结果

按字母顺序遍历字典（实际上，任何顺序都可以，只需确保命中所有条目）

对单词中的字母进行排序

在存储集合中查找已排序的信件

如果查找成功，将当前单词添加到列表中；否则，创建包含该单词的新列表并将其放入存储器

Map

如果以后需要此映射，请将其存储在磁盘上；否则，请将其保存在内存中

扔掉字典

以下是您的查找过程应该执行的操作：

对示例单词中的字母进行排序

在存储集合中查找已排序的信件

打印从查找返回的

列表

（或null），注意从输出中省略示例单词

如果你想保存堆空间，考虑使用A。你会发现你可以用几百千兆字节代替32 MIB来代表整个英语单词字典。我将把它作为一个练习给读者。

---

祝你的家庭作业顺利。

函数createDocument（）应该是

private void createDocument() throws FileNotFoundException {
    File sjp = new File(dictionaryPath);
    BufferedReader reader = new BufferedReader(new FileReader(sjp));

    String readLine = null;
    while((readLine = reader.readLine() != null)) {
        readLine = readLine.trim();
        Document dictionary = new Document();
        dictionary.add(new Field("word", readLine));
        // toAnagram methods sorts the letters in the word. Also makes it
        // case insensitive.
        dictionary.add(new Field("anagram", toAnagram(readLine)));
        indexWriter.addDocument(dictionary);
    }
}

如果您正在使用Lucene实现很多功能，请考虑使用一个构建在Lucene之上的搜索平台

您还可以为索引建模，每个字谜组只需一个条目

{"anagram" : "scare", "words":["cares", "acres"]}
{"anagram" : "shoes", "words":["hoses"]}
{"anagram" : "spore", "words":["pores", "prose", "ropes"]}

这将需要在处理字典文件时更新索引中的现有文档。在这种情况下，Solr将有助于使用更高级别的API。例如，.Solr支持更新

这样的索引将为每个字谜搜索提供一个结果文档

---

希望有帮助。

Lucene不知道文件，它需要字符串来索引。因此，您需要逐行读取文件并制作一个“文档”每个对象都有两个字段。另外，每个文档都需要添加到索引编写器中。您好，谢谢您的解决方案。首先我想说，这不是一个家庭作业，而是我项目中的一个实际问题，我只考虑哪种方式更好地解决它。这个字典文件不是我的，只是来自互联网的资源。我想用原则来解决这个问题，我认为我可以使用Lucene进行搜索或查找。你真的认为你的解决方案比Lucene有更多的优势吗？这个查找将是我项目的基本功能，并将被广泛使用。Lucene的能力在于从复杂的基于文本的数据创建复杂的索引。你的数据并不复杂（单个单词），你的索引也不复杂（这些单词的字谜）。您当然可以使用Lucene，但它更通用于您想要的。您希望在单个字段上进行精确匹配。您也可以使用RDBMS，但您已经知道这很愚蠢…如果您的问题中充分说明了您的需求，那么使用Lucene也同样愚蠢。非常感谢。我只是想了解一下了解Lucene，所以我选择了你的解决方案。我的项目处于早期阶段，很有可能在未来我会为ApacheLucene提供更多的功能。