Lucene高亮显示

刘强 — Fri, 16 Nov 2007 10:03:00 GMT

要获取高亮的功能，首先应导入另外的一个jar -- lucenehighlighter.jar

TokenStream tokenStream = new StandardAnalyzer().tokenStream("Content", new StringReader(content));// 在Content域查找关键字content
        SimpleHTMLFormatter simpleHTMLFormatter = new SimpleHTMLFormatter(""highlight\">",""); // 这是定义了在页面如何通过css来控制关键字的特征
        String[] str = queryContent.split(" ");
        BooleanQuery booleanQuery = new BooleanQuery();
        QueryParser queryParser = new QueryParser("Content", new StandardAnalyzer());
        for(String s : str){
            Query query = queryParser.parse(s);
            booleanQuery.add(query, BooleanClause.Occur.MUST);
        }
        Highlighter highlighter = new Highlighter(simpleHTMLFormatter,new QueryScorer(booleanQuery));
        highlighter.setTextFragmenter(new SimpleFragmenter(500));//the length of content
        String result = highlighter.getBestFragments(tokenStream, content, 5, "."); //获取关键字出现最多的5个位置

然后在页面用css来控制一下

.highlight {
            color: #0099CC;
            font-size: 13px;
            font-family: Tahoma;
            font-weight: bold;
        }

这样就ok了！！
这是我搜索出来的效果

刘强 2007-11-16 18:03 发表评论

获取关键词出现的频率及位置

刘强 — Mon, 15 Oct 2007 09:54:00 GMT

终于清楚如何用读Lucene的索引 :-)。本文要介绍一下如何利用IndexReader获取信息。为什么要读索引呢？因为我需要实现这些功能：
(1) 统计term在整个collection中的文档频度(document frequency, DF)；
(2) 统计term在整个collection中出现的词次(term frequency in whole collection)；
(3) 统计term在某个文档中出现的频度(term frequency, TF)；
(4) 列出term在某文档中出现的位置(position)；
(5) 整个collection中文档的个数；

Lucene要加上新的功能，要获取关键词出现的频率，以前都是对Hits进行操作，但是hits只能获取相关的Document id 以及内容。
上网搜了一下，通过IndexReader直接操作索引文件。

public class Search {
    public static void main(String[] args) throws CorruptIndexException, IOException{
        IndexSearcher is = new IndexSearcher("c:\\test");
        IndexReader ir = IndexReader.open("c:\\test");
        Term term = new Term("content","我");
        Query query = new TermQuery(term);
        Hits hits = is.search(query);
        printFreq(ir,hits);

    }
    private static void printFreq(IndexReader reader,Hits hits) throws CorruptIndexException, IOException{
        reader.numDocs();
        Term term = new Term("content","我");
        TermPositions termPositions = reader.termPositions(term);
        for(int i=0;i<hits.length()&&termPositions.next();i++){
            Document doc = hits.doc(i);
            System.out.println("'我'在"+"<<"+doc.get("title")+">>"+"里出现的"+"次数是:"+termPositions.freq());
            for(int j=0;j<termPositions.freq();j++)
                System.out.println("出现位置:"+termPositions.nextPosition());
        }
    }
}

输出结果：
'我'在<<2.txt>>里出现的次数是:1
出现位置:1
'我'在<<3.txt>>里出现的次数是:3
出现位置:0
出现位置:5
出现位置:6

刘强 2007-10-15 17:54 发表评论

BlogJava-liuqiang5151-文章分类-Lucene

Lucene高亮显示

获取关键词出现的频率及位置