Java 如何从Lucene 8.6.1索引中获取所有令牌的列表？

我已经看过了，但是Lucene 8.6.1似乎没有提供

IndexReader.terms（）

。它被移动或替换了吗？有没有比历史更简单的方法

您问：我只是想知道

IndexReader.terms（）

是否已经移动或被替代

Lucene v3方法在Lucene v4中移动到。这一点已记录在报告中

（请记住，Lucene v4早在2012年就发布了。）

v4中的

AtomicReader

中的方法采用了

正如v4发行说明所述：

一个很大的区别是字段和术语现在分别枚举：TermsEnum在单个字段中为每个术语提供一个BytesRef（包装一个字节[]），而不是一个术语

关键部分是“单个字段中的每个术语”。因此，从那时起，不再有一个API调用来检索索引中的所有术语

这种方法一直沿用到后来的版本中，除了Lucene v 5.0.0中的

AtomicReader

和

AtomicReaderContext

类被重命名为

LeafReader

和

LeafReaderContext

。看

最新版本

这使我们能够访问术语列表，但仅限于每个字段：

下面的代码基于Lucene的最新版本（8.7.0），但对于您提到的版本（8.6.1），也应该是正确的-使用Java的示例：

private void getTokensForField（IndexReader reader，String fieldName）引发IOException{
List=reader.leaves（）；
对于（LeafReaderContext lrc:list）{
Terms Terms=lrc.reader（）.Terms（字段名）；
如果（术语！=null）{
TermsEnum TermsEnum=terms.iterator（）；
BytesRef术语；
while（（term=termsEnum.next（））！=null）{
System.out.println（term.utf8ToString（））；
}
}
}
}

上述示例假设索引如下所示：

private静态最终字符串INDEX_PATH=“/PATH/to/INDEX/directory”；
...
IndexReader=DirectoryReader.open（FSDirectory.open（PATH.get（INDEX_PATH））；

如果需要枚举字段名，中的代码可能会提供一个起点

最后一个音符

---

我想您也可以访问每个文档的术语，而不是评论中提到的每个字段的术语。我还没有尝试过这一点。

这里有一个答案，其中包含一些提取字段和术语的代码。基本上，迭代所有文档，并为每个mthanks@NikolaiDmitriev获取值。我想这是一种方法，但我只是想知道

IndexReader.terms（）

是否已经移动或被替代。对不起，在接受答案之前，我没有测试过这一点。我在Python中尝试了这一点，得到了如下错误：

AttributeError:'TermsEnum'对象没有属性'next'

。我认为这与“当您第一次获取TermsEnum时它是未定位的，您必须首先成功地调用BytesRefierator.next（）或其中一个seek方法”有关。但我不理解这一点。你能帮忙吗？对不起，我没有使用Lucene的Python包装器。

\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu？或者您可以使用
next（x）
（请参阅）。否则，我认为您可能需要专门针对这一点提出一个新的Python问题。
next（）
和
\uuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuuu。我发布了一个新问题。