lucene搜索

Question

尊敬的StackOverFlow开发人员：我需要您的帮助。 我被困在Apache Lucene中，无法在Java swing应用程序中使用。 这个问题是如此复杂，以至于我什至感到困惑。 请尝试了解我的实际要求。 这种情况很简单，我必须提供html文件，以便客户端可以在swing应用程序中访问它们，并且为了搜索功能，我决定使用apache lucene索引。 这为我提供了搜索工具，但现在我想显示符合搜索条件的html文件数据。 在Java API中，即时通讯使用swing和JEditorPane是控件，我必须在其中显示html文件的内容。 请建议我如何索引html文件以及如何从lucene索引获取html文件的内容。 html文件不仅具有文本，而且具有链接，图像等。

在此先感谢您的帮助

Answer 1

在我们使用Lucene进行全文索引和搜索的项目之一中，我们按以下方式处理HTML文件：

• 将HTML文档按原样存储在磁盘上（也可以存储在DB中）。
• 使用Jericho HTMLParser的HTML-> Text转换器，我们从HTML文档中提取了文本，链接等。
• lucene文档具有一些属性，这些属性以令牌化格式存储了HTML文件中与HTML中的文本内容分开的元数据。
• 使用StandardAnalyzer在标记化过程中按原样保留某些标记，例如电子邮件，网站链接，然后再建立索引。
• 搜索索引后，返回的匹配包含与条件匹配的HTML文件的元数据。 因此，我们能够识别出要针对给定搜索结果显示的HTML内容。

HTH。