lucene搜索

Question

尊敬的StackOverFlow開發人員：我需要您的幫助。 我被困在Apache Lucene中，無法在Java swing應用程序中使用。 這個問題是如此復雜，以至於我什至感到困惑。 請嘗試了解我的實際要求。 這種情況很簡單，我必須提供html文件，以便客戶端可以在swing應用程序中訪問它們，並且為了搜索功能，我決定使用apache lucene索引。 這為我提供了搜索工具，但現在我想顯示符合搜索條件的html文件數據。 在Java API中，即時通訊使用swing和JEditorPane是控件，我必須在其中顯示html文件的內容。 請建議我如何索引html文件以及如何從lucene索引獲取html文件的內容。 html文件不僅具有文本，而且具有鏈接，圖像等。

在此先感謝您的幫助

Answer 1

在我們使用Lucene進行全文索引和搜索的項目之一中，我們按以下方式處理HTML文件：

• 將HTML文檔按原樣存儲在磁盤上（也可以存儲在DB中）。
• 使用Jericho HTMLParser的HTML-> Text轉換器，我們從HTML文檔中提取了文本，鏈接等。
• lucene文檔具有一些屬性，這些屬性以令牌化格式存儲了HTML文件中與HTML中的文本內容分開的元數據。
• 使用StandardAnalyzer在標記化過程中按原樣保留某些標記，例如電子郵件，網站鏈接，然后再建立索引。
• 搜索索引后，返回的匹配包含與條件匹配的HTML文件的元數據。 因此，我們能夠識別出要針對給定搜索結果顯示的HTML內容。

HTH。