14) 第二章 索引：用Lucene索引数字

    索引数字的场景主要有两种：一是把它们当作字符串一样处理，比如“要是搁以前，术士能暴击10000多，有木有！”中的"10000"，它和其它的词没什么区别，你可以把它仅仅想成一个字符串；另一种场景则是某个域只索引数字，且可以搜索数字的范围等，比如设计了某个Field存储邮件的大小，现在要搜索大小在3M－10M的邮件。

 

    对于第一种情况，你要做的仅仅是选一个不会对数字进行分词的分析器。这种分析器很多，比如之前我们用过的WhitespaceAnalyzer和StandardAnalyzer。当然WhitespaceAnalyzer分析器可能仅仅对英语之类的语言还有点用处。对于第二种情况，你不需要为这些专门设计用来存储数字的域进行分词，指定成Field.Index.NOT_ANALYZED就可以了。不过你必须清楚的是，Lucene内部处理的仍然只是String类型！即"10"是排在"2"前面的！若是想支持范围搜索，你需要为数字增加前置0, 即需要索引"02",这样"02"便排在"10"前面了！

public class IndexNumberTest extends TestCase{
	
	private Directory directory;
	
	protected void setUp() throws Exception {
		directory = new RAMDirectory();
		IndexWriter writer = getWriter(); 

		Document doc = new Document();
        doc.add(new Field("indexNumber",
        		"要是搁以前，术士能暴击10000多，有木有！",
                Field.Store.YES,
                Field.Index.ANALYZED));
        writer.addDocument(doc);
        writer.close();
	}

	public void testNumber() throws IOException, ParseException {
		IndexSearcher is = new IndexSearcher(directory);
		QueryParser parser = new QueryParser(Version.LUCENE_30, 
				"indexNumber", 
				new StandardAnalyzer(Version.LUCENE_30));
		Query query = parser.parse("10000");

		TopDocs topDocs = is.search(query, 1);
        assertEquals(1, topDocs.totalHits);
	}

	private IndexWriter getWriter() throws IOException {
		return new IndexWriter(directory, new StandardAnalyzer(Version.LUCENE_30),
				IndexWriter.MaxFieldLength.UNLIMITED);
	}

}

 

评论

1 楼 jmeily 2011-06-13  

GOOD