我想知道 lucene 索引中每个文档的术语数。我一直在 API 和互联网上搜索，但没有结果。你能帮帮我吗？
最佳答案
Lucene 旨在回答相反的问题，即哪些文档包含给定术语。因此，为了获得文档的术语数量，您必须进行一些修改。
第一种方法是为每个字段存储术语 vector ，以便您能够检索术语的数量。术语 vector 是字段的术语列表。在搜索时，您可以使用 getTermFreqVector 检索它。 IndexReader 的方法(如果它们是在索引时存储的)。当你拥有它时，你会得到 vector 的长度，并且你会得到该字段的术语数。
如果您存储了文档的字段，另一种方法是取回这些字段的文本并通过分析来计算术语的数量(将文本拆分为单词)。
最后，如果一个字段的项数的近似值对您来说足够了，并且您在索引时存储了范数，则可以选择计算用于计算字段范数的反函数。如果您仔细查看方法lengthNorm在 Similarity 类中，您会注意到它使用字段的术语数。此方法的结果使用 encodeNorm 存储在索引中。方法。您可以让他们在搜索时使用 norms 检索规范。 IndexReader 的方法。有了范数，使用 lengthNorm 中使用的数学函数的逆数学函数来取回项数。就像我说的，这只是一个近似值，因为当存储标准时，会丢失一些精度，并且您可能不会得到与存储的完全相同的数字。
关于java - 如何计算lucene索引中每个文档的词条数？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/3574106/