apache - 如何使用 Apache Lucene 5.3.1 仅索引最小长度的单词？

Question

有人可以给我一个关于如何使用 Apache Lucene 5.3.1 仅索引最小长度单词的提示吗？

我搜索了 API，但除了 this 之外没有找到任何适合我需求的东西，但我不知道如何使用它。

谢谢!

编辑: 我想这是重要的信息，所以这里是我对我想要从下面的回复中实现的目标的解释:

“我不打算使用查询。我想创建一个源代码摘要工具，我使用 Lucene 创建了一个文档术语矩阵。现在它还显示单字符或双字符单词。我想排除因此它们不会出现在结果中，因为它们对于摘要来说没有什么值(value)。我知道我可以在输出结果时过滤它们，但这不是一个干净的解决方案。更糟糕的是添加单个的所有组合- 或将双字符单词添加到非索引字表中。我希望有一种比其中一种更优雅的方法。”

Answer 1

您应该使用带有lenthtokefilter的自定义分析仪。例如

Analyzer ana = CustomAnalyzer.builder()
                .withTokenizer("standard")
                .addTokenFilter("standard")
                .addTokenFilter("lowercase")     
                .addTokenFilter("length", "min", "4", "max", "50")
                .addTokenFilter("stop", "ignoreCase", "false", "words", "stopwords.txt", "format", "wordset")
                .build();

，但是最好使用stopword(几乎所有文档中发生的单词，例如英语语言的文章)列表。这给出了更准确的结果。