在lucene 4中，IndexReader.getTermVector（docID，fieldName）为每个文档返回null

我正在使用最新发布的Lucene 4，我知道与文档术语向量相关的API已经发生了很大的变化。我已经阅读了迁移文档和相关的各种博客邮件列表帖子，我相信我正确地使用了API。但是，我总是从IndexReader.getTermVector（）返回一个空术语引用。以下是我正在做的：

// Indexing, given "bodyString" as a String containing document text
Document doc = new Document();
doc.add(new TextField("body", bodyString, Field.Store.YES));
MyIndexWriter.addDocument(doc);


// much later, enumerating document term vectors for "body" field for every doc
for (int i = 0; i < Reader.maxDoc(); ++i) {
  final Terms terms = Reader.getTermVector(i, "body");
  if (terms != null) {
    int numTerms = 0;
    // record term occurrences for corpus terms above threshold
    term = terms.iterator(term);
    while (term.next() != null) {
      ++numTerms;
    }
    System.out.println("Document " + i + " had " + numTerms + " terms");
  }
  else {
    System.err.println("Document " + i + " had a null terms vector for body");
  }
}

//索引，给定“bodyString”作为包含文档文本的字符串
单据单据=新单据（）；
doc.add（新的TextField（“body”，bodyString，Field.Store.YES））；
MyIndexWriter.addDocument（doc）；
//很久以后，为每个文档的“body”字段枚举文档术语向量
对于（int i=0；i

当然，它打印出每个文档都有null项向量，即Reader.getTermVector（I，“body”）总是返回null

当我查看Luke中的索引时，我有一些文档存储了body字段。但是，当我在突出显示正文字段的同时单击“TV”按钮（在“文档”选项卡中）时，Luke告诉我“术语向量不可用”。在编制索引时，我是否需要添加其他类型的选项来记录此信息

有什么想法吗？谢谢

乔恩

更新 我应该注意到，所讨论的

IndexReader

是

SlowCompositeReaderWrapper

的一个实例，它正在包装一个

DirectoryReader

。我使用的是一个

SlowCompositeReaderWrapper

，因为我还需要语料库术语频率，而且还不清楚如何在所有

IndexReader

页面上迭代所有文档（文档ID在它们之间重用吗？），等等

SlowCompositeReaderWrapper是罪魁祸首吗？

根据“它是一个被索引和标记的字段，没有术语向量”。如果您希望存储术语向量，您应该只使用，并将其设置为在中存储术语向量

比如：

Document doc = new Document();
FieldType type = new FieldType();
type.setIndexed(true);
type.setStored(true);
type.setStoreTermVectors(true);
Field field = new Field("body", bodyString, type);
doc.add(field);
MyIndexWriter.addDocument(doc);

您正在使用TextField。这就是为什么在getTermVector（）上会得到null。

---

不要使用TextField，而是使用自定义的FieldType构建字段，该字段将StoreTermVectors设置为true

是的，在发布后尝试过。Luke现在报告术语向量，但是上面使用的IndexReader.getTermVector（）仍然返回null。我将尝试检索文档，然后获取body字段，然后迭代这些术语，看看是否有效。

getTermVector（）

为每个文档返回null（即，不会捕获以前测试遗留的文档或删除的文档）？是的。我完全删除了索引文件夹并重新编制了索引。仍然为空。我现在将其用于FieldType选项：

FieldType BodyOptions=new FieldType（）；BodyOptions.setIndexed（true）；BodyOptions.setIndexOptions（IndexOptions.DOCS_和_freques_和_POSITIONS_和_offset）；BodyOptions.设置存储（真）；BodyOptions.setStoreTermVectors（真）；BodyOptions.setTokenized（true）；/。。。添加文档（新字段（“正文”、正文字符串、正文选项）；