java - 在 Lucene 文档中添加字段

Question

您好，我有一个 32mb 的文件。它是一个简单的字典文件，编码为 1250，其中有 280 万行。每一行只有一个唯一的词:

cat
dog
god
...

我想使用 Lucene 来搜索特定单词词典中的每个字谜。例如:

我想搜索单词 dog 的每个变位词，lucene 应该搜索我的字典并返回 dog 和 god。在我的网络应用程序中，我有一个词实体:

public class Word {
    private Long id;
    private String word;
    private String baseLetters;
    private String definition;
}

和 baseLetters 是变量，它按字母顺序排列字母以搜索此类字谜 [上帝和狗词将具有相同的 baseLetters:dgo]。我在不同的服务中使用这个 baseLetters 变量成功地从我的数据库中搜索了这样的字谜，但是我在创建我的字典文件的索引时遇到了问题。我知道我必须添加到字段:

word 和 baseLetters 但我不知道该怎么做 :( 有人可以告诉我一些实现这个目标的方向吗？

目前我只有这样的东西:

public class DictionaryIndexer {

private static final Logger logger = LoggerFactory.getLogger(DictionaryIndexer.class);

@Value("${dictionary.path}")
private String dictionaryPath;

@Value("${lucene.search.indexDir}")
private String indexPath;

public void createIndex() throws CorruptIndexException, LockObtainFailedException {
    try {
        IndexWriter indexWriter = getLuceneIndexer();
        createDocument();           
    } catch (IOException e) {
        logger.error(e.getMessage(), e);
    }       
 }

private IndexWriter getLuceneIndexer() throws CorruptIndexException, LockObtainFailedException, IOException {
    StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_36);
    IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_36, analyzer);
    indexWriterConfig.setOpenMode(OpenMode.CREATE_OR_APPEND);
    Directory directory = new SimpleFSDirectory(new File(indexPath));
    return new IndexWriter(directory, indexWriterConfig);
}

private void createDocument() throws FileNotFoundException {
    File sjp = new File(dictionaryPath);
    Reader reader = new FileReader(sjp);

    Document dictionary = new Document();
    dictionary.add(new Field("word", reader));
}

}

PS:还有一个问题。如果我在 Spring 中将 DocumentIndexer 注册为 bean，每次重新部署我的 webapp 时，索引都会创建/附加吗？ future 的 DictionarySearcher 也会如此吗？

Answer 1

Lucene 不是执行此操作的最佳工具，因为您不是在进行搜索:您是在进行查找。所有实际工作都发生在“索引器”中，然后您只需存储所有工作的结果。在任何哈希类型的存储机制中，查找都可以是 O(1)。

这是你的索引器应该做的:

1. 将整个词典读入一个简单的结构，如 SortedSet或 String[]
2. 创建一个空的 HashMap<String,List<String>> (可能大小相同，为了性能)用于存储结果
3. 按字母顺序遍历字典(实际上任何顺序都可以，只要确保你命中所有条目)
   1. 将单词中的字母排序
   2. 在您的存储集合中查找已排序的字母
   3. 如果查找成功，将当前单词添加到列表中；否则，创建一个包含单词的新列表并将其放入存储 Map
4. 如果您以后需要这张 map ，请将这张 map 存储在磁盘上；否则，将其保存在内存中
5. 丢弃字典

这是您的查找过程应该执行的操作:

1. 对示例单词中的字母进行排序
2. 在您的存储集合中查找已排序的字母
3. 打印 List从查找返回的(或 null)，注意从输出中省略示例词

如果您想节省堆空间，请考虑使用 DAWG .您会发现您可以用几百 KB 而不是 32MiB 来表示整个英语单词词典。我将把它留给读者作为练习。

祝你的家庭作业顺利。