lucene如何存储文档？

基本上，文档中的每个字段如何存储在反向索引中？Lucene是否在内部为每个字段创建单独的索引？另外，假设一个查询是在一个特定的字段上，那么搜索在内部是如何工作的呢

---

我知道反向索引是如何工作的。但是如何在一个索引中存储多个字段，以及如何区分何时在请求时只搜索特定字段。

正如我在评论中提到的，如果您想了解Lucene如何存储索引数据，可以使用SimpleTextCodec。有关更多详细信息和一些示例代码，请参见此答案。基本上，这会生成人类可读的索引文件（与通常的二进制压缩格式相反）

下面是使用

SimpleTextCodec

时可以看到的示例

如何在一个索引中存储多个字段？

为了显示一个基本示例，假设我们有一个定义如下的Lucene文本字段：

Field textField1 = new TextField("bodytext1", content, Field.Store.NO);

field bodytext1
  term alfa
    doc 1
      freq 1
      pos 1
  term bravo
    doc 1
      freq 1
      pos 0
  term charlie
    doc 0
      freq 1
      pos 1
    doc 1
      freq 1
      pos 2
  term delta
    doc 0
      freq 1
      pos 2
  term echo
    doc 0
      freq 2
      pos 0
      pos 3

假设我们有以下两个文档（使用StandardAnalyzer分析）：

Document 0: echo charlie delta echo
Document 1: bravo alfa charlie

这将为我们提供一个基本的层次索引结构，如下所示：

Field textField1 = new TextField("bodytext1", content, Field.Store.NO);

field bodytext1
  term alfa
    doc 1
      freq 1
      pos 1
  term bravo
    doc 1
      freq 1
      pos 0
  term charlie
    doc 0
      freq 1
      pos 1
    doc 1
      freq 1
      pos 2
  term delta
    doc 0
      freq 1
      pos 2
  term echo
    doc 0
      freq 2
      pos 0
      pos 3

因此，总的结构是：

field [field 1]
  term [token value]
    doc [document ID]
      frequency
      position
field [field 2]
  term [token value]
    doc [document ID]
      frequency
      position

以此类推，索引的字段数量不限

此结构支持基本的基于字段的查询

您可以将其概括为：

field > term > doc > freq/pos

所以，“Lucene是否在内部为每个字段创建单独的索引？”是的，确实如此

---

Lucene还可以在其索引文件中存储其他附加结构，这取决于您如何配置Lucene字段-因此，这不是索引数据的唯一方法

例如，您可以请求对“术语向量”数据也进行索引，在这种情况下，您将看到一个额外的索引结构：

doc 0
  numfields 1
  field 1
    name content2
    positions true
    offsets   true
    payloads  false
    numterms 3
    term charlie
      freq 1
      position 1
        startoffset 6
        endoffset 13
    term delta
      freq 1
      position 2
        startoffset 15
        endoffset 20
    term echo
      freq 2
      position 0
        startoffset 0
        endoffset 4
      position 3
        startoffset 23
        endoffset 27
doc 1
  ...

这种结构是从文档开始的，而不是从字段开始的，因此非常适合处理已经选择了文档的文档（例如“热门”文档）。通过这种结构，可以很容易地找到特定文档字段中匹配单词的位置

---

---

这远不是一个全面的列表。但是通过使用

SimpleTextCodec

，以及不同的字段类型、文档和分析器，您可以自己确切地看到Lucene如何索引其数据。

如果您想了解Lucene如何存储索引数据，可以使用

SimpleTextCodec

。有关更多详细信息，请参阅此答案我的示例代码。基本上，这会生成人类可读的索引文件（与通常的二进制压缩格式相反）。感谢您的回答。它确实帮助了我的理解。我将亲自研究SimpleTextCodec以尝试此功能。：）