wauwa的专栏

搜集了一些资料，与同学一起进行了简单的测试，总结如下。分词工  具      特点  支持语言    原理词典及扩展性StandardAnalyzer中文、英文（unicode）中文：单字符切分英文：根据空格切分ChineseAnalyzer中文，不支持中

In the Search index the data about a document is stored in separate fields. This way you can decide which fields you want to be regarded when searching. 在搜索索引中，关于文件（document）的数据存放在不同的属性（field）中。通过这种

上次写了使用pdfbox解析pdf的时候遇到一些无法解决的问题，于是改用xpdf。使用xpdf之后腰不酸了，背不痛了，走路有劲儿了。。。但是！！！当我把代码放到服务器上时，解析后，控制台出现一堆乱码啊乱码。然后我各种查资料，设置代码的properties啊，设置run configuration啊，焦头烂额忙了好几天完全没结果，乱码还是乱码，只是一会儿是“***@@@@”这样的，一会儿是“铌吥

主要代码参考http://jaczhao.iteye.com/blog/1498220一文中所粘贴的代码，但是原作者不详      使用这一代码时，有可能遇到两个问题，一是编码有问题报错，二是提示有未知的protocol。      对于编码问题，在建立SAXReader之后，添加一句：        reader.setEncoding("GBK");其中GBK为编码集，可以换成

本文中使用paoding2.0.41.准备工作   需要的文件：   paoding-analysis.jar   dic   paoding-analysis.properties2.安装导入   将paoding-analysis.jar放到classpath 目录下并且导入工程   修改paoding-analysis.properties ,将pao

packagenet.sf.regain整个lucene搜索的基础包net.sf.regain.crawler“爬虫”部分，创建搜索索引net.sf.regain.crawler.access“爬虫”部分的权限控制接口net.sf.regain.crawler.config

在Lucene中实现组合查询的方法很多，我目前用过的方法有三种，使用MultiFieldQueryParser，使用filter，使用boolean query。1.使用MultiFieldQueryParser           构建parser的时候使用MultiFieldQueryParser,查询时便可以同时在索引的多个域中搜索关键字。适用情况举例：将文章的标题和内容分别存在索引