使用Lucene存储RSS源中的数据

我希望将每小时从RSS提要检索的数据存储在数据库或Lucene中，以便可以轻松地为文本编制字数索引

我需要从RSS项目的title和description元素中获取文本

理想情况下，对于从给定提要每小时检索一次，我会在由以下列组成的数据集中向表中添加一行：

提要url、标题元素文本、描述元素文本、轮询日期时间

由此，我可以查找提要中的任何元素，并根据所需的时间长度计算关键字计数

这可以作为数据库表和用于计算计数的哈希映射来完成。但我能在Lucene中做到这种粒度吗？如果是这样的话，每个提要是形成一个Lucene文档，还是数据库表中的每个“行”形成一个文档

有人能提供建议吗

谢谢

---

马丁·奥谢。

我对你的问题的分析是：

for each item in feed:
    calculate term frequency of item, then add to feed's frequency list

这不是Lucene擅长的东西，所以CouchDB或其他db即使不是更好的选择也可能是一样好的（就像larsmans建议的那样）。但是，可以这样做（以一种可能比其他DBs稍微容易的方式）：

HashMap terms=newhashmap（indexReader.getUniqueTermCount（））；
TermEnum tEnum=indexReader.Terms（）；
while（tEnum.Next（））
{
添加（tEnum.Term（）.Text（），tEnum.DocFreq（））；
}

---

Lucene为您节省的只是计算docfreq的难度，它可能比您自己遍历所有行要快一点。但是如果性能差异对于相当小的数据集来说是明显的，我会感到惊讶。

也许CouchDB更适合这种应用。特别是这个CouchApp：我不确定你应该如何进行索引，但是轮询是不好的，所以实现pubsubb:）

HashMap<string, int> terms = new HashMap<string, int>(indexReader.getUniqueTermCount());
TermEnum tEnum = indexReader.Terms();
while (tEnum.Next())
{
    results.Add(tEnum.Term().Text(), tEnum.DocFreq());
}