lucene结构详解之四词向量(Term Vector) 的数据信息(.tvx，.tvd，.tvf)

 词向量(Term Vector) 的数据信息(.tvx，.tvd，.tvf) 格式如下：

词向量信息是从索引(index)到文档(document)到域(field)到词(term)的正向信息，有了词向量信息，我们就可以得到一篇文档包含那些词的信息。 

 1.词向量索引文件(tvx)  
 1）一个段(segment)包含 N篇文档，此文件就有N 项，每一项代表一篇文档。  
 2）每一项包含两部分信息：第一部分是词向量文档文件(tvd)中此文档的偏移量，第二部分是词向量域文件(tvf)中此文档的第一个域的偏移量。  

2. 词向量文档文件(tvd)  
 1）一个段(segment)包含 N 篇文档，此文件就有 N 项，每一项包含了此文档的所有的域的信息。

2）  每一项首先是此文档包含的域的个数 NumFields，然后是一个 NumFields 大小的数组，数组的每一项是域号。然后是一个(NumFields - 1)大小的数组，由前面我们知道，每篇文档的第一个域在 tvf 中的偏移量在 tvx文件中保存，而其他(NumFields - 1)个域在 tvf 中的偏移量就是第一个域的偏移量加上这(NumFields - 1)个数组的每一项的值。  
 3.词向量域文件(tvf)  
 1）此文件包含了此段中的所有的域，并不对文档做区分，到底第几个域到第几个域是属于那篇文档，是由 tvx中的第一个域的偏移量以及 tvd中的(NumFields - 1)个域的
偏移量来决定的。  
2）  对于每一个域，首先是此域包含的词的个数NumTerms，然后是一个8 位的 byte，最后一位是指定是否保存位置信息，倒数第二位是指定是否保存偏移量信息。然后
是 NumTerms个项的数组，每一项代表一个词(Term)，对于每一个词，由词的文本TermText，词频 TermFreq(也即此词在此文档中出现的次数)，词的位置信息，词的
偏移量信息。