在 Lucene 4 中查找文檔/字段長度

Question

我希望能夠訪問索引后文檔的特定字段的長度（就而言）。 最好，如果有沒有重新索引的方法，我想這樣做。 但是，如果以某種方式重新索引可以輕松訪問此值，那也將起作用。

該鏈接（稍微向下滾動並找到提到的length ）談到在索引時訪問該值。 我希望能夠在索引后這樣做。 該鏈接還討論了將值保存為 doc 值，但它沒有給出如何這樣做的示例。

如果有人可以提供保存文檔長度或在索引后訪問它的示例，那將非常有幫助。 謝謝。

Answer 1

文章中提到的統計數據是指FieldInvertState 。 一旦你有了它，如何獲得你正在尋找的統計數據應該是相當簡單的（只需調用getLength 、 getUniquetermCount或任何你需要的）。

FieldInvertState 被傳遞到Similarity ，特別是調用Similarity.computeNorm 。 規范值是在索引時計算和存儲的，而不是在查詢時計算，因此有效利用它需要您重新索引。

使用它的典型方法是創建自定義Similarity ，可能擴展DefaultSimilarity 。 簡單地覆蓋DefaultSimilarity的lengthNorm方法將是最簡單的方法。 它的標准實現是：

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

你可以用你喜歡的任何東西覆蓋它。

這將有助於根據自定義的基於長度的計算來調整評分。 如果這不是您要查找的內容，而是需要能夠僅獲取該信息，我認為僅存儲和字段，並從獲取Document時返回的字段值獲取長度將是最簡單的實現。