Lucene Highlighter类：以不同颜色突出显示不同的单词

也许大多数读过这本书的人都对Lucene略知一二，不需要进一步解释。注意：我使用Jython，但我认为大多数Java用户都会理解Java的等价物

这是一件经典的事情：您的搜索字符串中有多个词。。。用Lucene术语来说，它返回一个布尔查询。然后，您可以使用类似于此的代码来突出显示（注意，我是Lucene新手，这都是从网络示例中精心设计的）：

yellow\u highlight=SimpleHTMLFormatter（“”，“”）
绿色突出显示=SimpleHTMLFormatter（“”，“”）
...
stream=FrenchAnalyzer（Version.LUCENE_46）。令牌流（“两者”，StringReader（两者））
记分员=查询记分员（fr_查询，“两者”）
fragmenter=SimplePanFragmenter（记分员）
荧光笔=荧光笔（黄色突出显示，记分员）
highlighter.setTextFragmenter（碎片器）
best_fragments=highlighter.getBestTextFragments（流，两者，True，5）
如果最好的话：
对于最佳碎片中的最佳碎片：
打印“==最佳帧：%s，类型%s”%（最佳帧，类型（最佳帧））
html\u text+=“&bull%s
\n”%unicode（最佳格式）

。。。然后将html_文本放入例如JTextPane中

---

但是，如何使查询中的第一个单词以黄色背景突出显示，第二个单词以绿色背景突出显示？我试图理解org.apache.lucene.search中的各种类。。。无济于事。所以我唯一的学习方式就是谷歌搜索。我找不到任何线索……

四年前我问过这个问题。。。当时我确实使用

javax.swing.text.html.HTMLDocument

实现了一个解决方案。标准Java库中还有接口

org.w3c.dom.html.HTMLDocument

。这样做很辛苦

但对于任何感兴趣的人来说，有一个简单得多的解决方案。利用Lucene的

SimpleHTMLFormatter

返回最简单的可想象的“标记”文本：所选单词用HTML

B

标记突出显示。就这样。它甚至不是一个“正确的”HTML片段，只是一个

字符串，其中包含
s和
s

多词查询生成
布尔查询
。。。通过转到
booleanQuery.子句（）
，可以从中提取多个
TermQuery
s<代码>getQuery（）

我在Groovy工作。我想应用的颜色是控制台代码，如BASH（或Cygwin）。其他类型的颜色可以在这个模型上计算出来

因此，您在保存“标记详细信息”之前设置了一个映射：

然后，对于每个

术语查询

，您调用它，每次使用相同的

文本

参数，为每个术语规定不同的

颜色

参数。注意，我用的是Lucene 6

def createHighlightAndAnalyseMarkup( TermQuery tq, String text, String colour ) {
    def termQueryScorer = new QueryScorer( tq )
    def termQueryHighlighter = new Highlighter( formatter, termQueryScorer )
    TokenStream stream = TokenSources.getTokenStream( fieldName, null, text, analyser, -1 )
    String[] frags = termQueryHighlighter.getBestFragments( stream, text, 999999 )
    // not sure under what circs you get > 1 fragment...
    assert frags.size() <= 1
    // NB you don't always get all terms in all returned LDocuments... 
    if( frags.size() ) {
        String highlightedFrag = frags[ 0 ]
        Matcher boldTagMatcher = highlightedFrag =~ /<\/?B>/
        def pos = 0
        def previousEnd = 0
        while( boldTagMatcher.find()) {
            pos += boldTagMatcher.start() - previousEnd
            previousEnd =  boldTagMatcher.end()
            markupDetails[  pos ] = boldTagMatcher.group() == '<B>'? colour : ConsoleColors.RESET
        }
    }
}

---

。。。在包含标记的

字符串的
文本
末尾：打印到控制台。可爱。
我想看看。它是根据本学期的IDF分数来做的，这不是你想要的，但这可能是最好的起点。你能回答你的问题，而不是编辑问题本身吗？
def markupDetails = [:]

def createHighlightAndAnalyseMarkup( TermQuery tq, String text, String colour ) {
    def termQueryScorer = new QueryScorer( tq )
    def termQueryHighlighter = new Highlighter( formatter, termQueryScorer )
    TokenStream stream = TokenSources.getTokenStream( fieldName, null, text, analyser, -1 )
    String[] frags = termQueryHighlighter.getBestFragments( stream, text, 999999 )
    // not sure under what circs you get > 1 fragment...
    assert frags.size() <= 1
    // NB you don't always get all terms in all returned LDocuments... 
    if( frags.size() ) {
        String highlightedFrag = frags[ 0 ]
        Matcher boldTagMatcher = highlightedFrag =~ /<\/?B>/
        def pos = 0
        def previousEnd = 0
        while( boldTagMatcher.find()) {
            pos += boldTagMatcher.start() - previousEnd
            previousEnd =  boldTagMatcher.end()
            markupDetails[  pos ] = boldTagMatcher.group() == '<B>'? colour : ConsoleColors.RESET
        }
    }
}

    markupDetails.sort().reverseEach{ pos, markup ->
        String firstPart = text.substring( 0, pos )
        String secondPart = text.substring( pos )
        text = firstPart + markup + secondPart
    }