Apache Lucene is een full -featured text search engine bibliotheek geschreven in Java . U kunt gebruik maken van Lucene te indexeren en zoeken elk soort tekstdocument . Naar een Portable Document Format (PDF ) -bestand converteren naar een tekstformaat dat Lucene kan indexeren , kunt u de PDFBox open source klasse die specifiek speciale methoden heeft voor Lucene gebruiken . Gewoon zorgen voor de PDF- bestandsnaam om PDFBox en krijg een Lucene document object dat kan worden toegevoegd aan de index en zocht net als elk tekstbestand . Instructies
1 Selecteer een Lucene analyzer te gebruiken bij het creëren van de index , bijvoorbeeld " StandardAnalyzer . " Maak een " IndexWriter " object te hanteren toevoegen van nieuwe items aan de index , bijvoorbeeld : IndexWriter myWriter
= new IndexWriter ( " index " , nieuw StandardAnalyzer ( ) , true ) ; kopen van 2 Oproep " LucenePDFDocument " naar een Lucene document voorwerp van uw PDF- bestand te krijgen . Voeg andere belangrijke gebieden om het object en voeg het object naar de Lucene index . Bijvoorbeeld :
Document PDFDoc = LucenePDFDocument.getDoument ( filename ) ; pdfDoc.add
(nieuw Field ( "titel " , pdf.getTitle ( ) , Field.Store.YES , Field . Index.TOKENIZED ) ) ; pdfDoc.add
(nieuw Field ( 'auteur' , pdf.getAuthor ( ) , Field.Store.YES , Field.Index.TOKENIZED ) ) ; myWriter
. addDocument ( PDFDoc ) ;
3 Gebruik de " SearchEngine " class om de Lucene index doorzoeken . " SearchEngine " retourneert een Lucene " Hits " object met een lijst van " Hit " objecten. Bijvoorbeeld :
SearchEngine Mysearch = new SearchEngine ( ) ; Hits
myHits = mySearch.performSearch ( zoektekst ) ; System.out.println
( " Documenten overeen: " + myHits.length ( ) ) ;
4 Doorloop de " Hit " objecten om meer informatie over elke wedstrijd krijgen . De " Hit " objecten zijn gerangschikt volgens de relevantie voor het zoeken , en u kunt ook de relatieve zoekopdracht score te verkrijgen met " getScore ( ) . " Bijvoorbeeld : Iterator
ITR = myHits.iterator ( ) ;
terwijl ( itr.hasNext ( ) ) {
Hit theHit = itr.next ( ) ;
Document thedoc = theHit.getDocument ( ) ; System.out.println
( theDoc.get ( " title " ) + " - " + theHit.getScore ( ) ) ; < br > }
|
