在 Lucene 4 中查找文档/字段长度

Question

我希望能够访问索引后文档的特定字段的长度（就而言）。 最好，如果有没有重新索引的方法，我想这样做。 但是，如果以某种方式重新索引可以轻松访问此值，那也将起作用。

该链接（稍微向下滚动并找到提到的length ）谈到在索引时访问该值。 我希望能够在索引后这样做。 该链接还讨论了将值保存为 doc 值，但它没有给出如何这样做的示例。

如果有人可以提供保存文档长度或在索引后访问它的示例，那将非常有帮助。 谢谢。

Answer 1

文章中提到的统计数据是指FieldInvertState 。 一旦你有了它，如何获得你正在寻找的统计数据应该是相当简单的（只需调用getLength 、 getUniquetermCount或任何你需要的）。

FieldInvertState 被传递到Similarity ，特别是调用Similarity.computeNorm 。 规范值是在索引时计算和存储的，而不是在查询时计算，因此有效利用它需要您重新索引。

使用它的典型方法是创建自定义Similarity ，可能扩展DefaultSimilarity 。 简单地覆盖DefaultSimilarity的lengthNorm方法将是最简单的方法。 它的标准实现是：

return (float)(1.0 / Math.sqrt(numTerms));

你可以用你喜欢的任何东西覆盖它。

这将有助于根据自定义的基于长度的计算来调整评分。 如果这不是您要查找的内容，而是需要能够仅获取该信息，我认为仅存储和字段，并从获取Document时返回的字段值获取长度将是最简单的实现。