Lucene笔记32-Lucene的扩展-Tika的第二种使用方式

一、Tika的第二种使用方式

第二种使用方式更加的简单，官方文档说，相比于第一种，效率会有降低，下面来看代码。

// 文档上说效率没有前一种方式高
public String fileToTextEasy(File file) {
    Tika tika = new Tika();
    Metadata metadata = new Metadata();
    // 可以自定义metadata的值，同理，可以设置很多的值，这里就不演示了
    // 对于Tika已经设置过的值，设置是无效的，只能对没有设置过的值进行设置
    metadata.set(Metadata.AUTHOR, "王劭阳");
    try {
        String text;
        // 使用这何种方式，因为没有传入metadata，所以输出的内容中只有自己设置的Author
        text = tika.parseToString(file);
        // 传入metadata参数的方式，因为传入了metadata参数，所以输出的内容有tika获取到的和自己设置的
        // text = tika.parseToString(new FileInputStream(file), metadata);
        for (String name : metadata.names()) {
            System.out.println(name + "-->" + metadata.get(name));
        }
        return text;
    } catch (IOException e) {
        e.printStackTrace();
    } catch (TikaException e) {
        e.printStackTrace();
    }
    return null;
}

二、对创建索引进行改进

这里只需要将Field的参数进行变化一下就可以了，详情看代码，为了和之前作对比，使用Luke来查看下最终生成的索引，这里使用的分词器不好的原因，中文分词被分成了一个字一个字的，换成IK分词器之后，就正常了。

public void indexWithTika() {
    try {
        Directory directory = FSDirectory.open(new File("E:\\Lucene\\IndexLibrary"));
        IndexWriter indexWriter = new IndexWriter(directory, new IndexWriterConfig(Version.LUCENE_35, new MMSegAnalyzer()));
        Document document = new Document();
        document.add(new Field("content", new Tika().parse(file)));
        indexWriter.addDocument(document);
        indexWriter.close();
    } catch (IOException e) {
        e.printStackTrace();
    }
}

MMSegAnalyzer分词效果：

IKAnalyzer分词效果：