运行官方演示时Lucene查询结果不正确

我用参数

-index运行Lucene官方演示-医生，控制台打印（包括pom.xml和*.java和*.class）被添加到索引中

然后我尝试使用参数
-index-查询“lucene AND main”
，console只打印IndexFiles.class和SearchFiles.class和IndexFiles.java，而不打印SearchFiles.java（我认为它应该是搜索结果之一）。
您的搜索结果是正确的（至少对于
.java
文件）

示例代码使用，后者反过来使用

StandardTokenizer
使用中描述的规则将输入文本拆分为标记。例如，该文件第4节：


当源文件中有如下文本时

org.apache.lucene.analysis.Analyzer

这被标记为单个标记。没有词的界限

查看
IndexFiles.java
源文件，有以下文本：

demonstrating simple Lucene indexing

这被标记为4个单独的标记

但是在
SearchFiles.java
源文件中，文本“lucene”只会出现在
org.apache.lucene.analysis.Analyzer
等文本中，因此不会创建单个标记
lucene

因此，您的查询在
IndexFiles.java
文档中找不到任何命中，因为查询匹配的是精确的标记。两个源文件都包含单词“main”，但只有一个包含单词“lucene”


对于
.class
文件，因为它们是编译过的字节码文件，我认为它们不应该首先被索引。Lucene使用文本文件，而不是二进制文件。是的，类文件将包含文本片段，但它们通常还包含不可打印的控制字符，这些字符不适合编制索引。我认为索引结果可能因此而不可预测


您可以使用Luke探索索引数据，Luke捆绑在二进制版本中：

当您使用命令行上的
-query
标志运行演示时，我想您只会看到前10个结果-是这样吗？在输出的顶部附近应该有一行告诉您找到了多少匹配的文档-这个数字是多少？@andrewjames结果少于10。