[英]counting the word frequency in lucene index
有人可以帮我找到所有lucene指数中的单词频率
例如,如果文档A有3个单词(B),而文档C有2个单词,我想要一个返回5的方法,显示所有lucene索引中单词(B)的频率
假设您使用Lucene 3.x:
IndexReader ir = IndexReader.open(dir);
TermDocs termDocs = ir.termDocs(new Term("your_field", "your_word"));
int count = 0;
while (termDocs.next()) {
count += termDocs.freq();
}
一些评论:
dir
是Lucene Directory类的实例。 它的创建因RAM和文件系统索引而异,有关详细信息,请参阅Lucene文档。
"your_filed"
是一个搜索术语的文件。 如果您有多个字段,则可以为所有字段运行过程,或者,当您索引文件时,可以创建特殊字段(例如“_content”)并保留所有其他字段的连接值。
简单的计算方法,但你需要两个数组: - /
int[] docs = new int[1000];
int[] freqs = new int[1000];
int count = indexReader.termDocs(term).read(docs, freqs);
注意:如果你用于读取,你就不能再使用next(),因为在read()之后你已经在枚举结束时:
int[] docs = new int[1000];
int[] freqs = new int[1000];
TermDocs td = indexReader.termDocs(term);
int count = td.read(docs, freqs);
while (td.next()){ // always false, already at the end of the enumartion
}
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.