9) 第二章 索引：Field的设置

 

    Field也许算是Lucene索引阶段最重要的类，它是存储被索引值的类。当创建Field时，Lucene为其提供了诸多选项供你选择。

 

1. 索引

    索引选项(Field.Index.*)用来控制域中的文本如何通过反向索引搜索。共有如下选项：

    1) Index.ANALYZED

          最常用的设置，采用分词策略，将原文拆分成词元(通常用在正文、标题、摘要等域)

    2) Index.NOT_ANALYZED

          不采用分词策略，即把原文当作一整个词元对待(通常用在URL、文件路径、日期等域)

    3) Index.ANALYZED_NO_NORMS

          它是Index.ANALYZED的高级变种，在索引文件中不存储规则信息，比如一些优先策略

    4) Index.NOT_ANALYZED_NO_NORMS

          类似上面，它是Index.NOT_ANALYZED的高级变种

    5) Index.NO

          指定为此选项的域将不能被搜索到

 

2. 存储

    存储选项(Field.Store.*)用来决定是否将域值存储起来。共有如下选项：

    1) Store.YES

    2) Store.NO

    标识为YES的域值将会被存储在index中，搜索阶段可以用IndexReader检索到它。此选项对于需要在查询结果中显示的域非常有用(如URL、标题等)。

    Lucene中包含一个非常有用的工具类，CompressionTools，它提供了压缩和解压byte数组的方法。其内部调用了java的内置java.util.Zip包中的方法。在存储之前你可以利用它先将内容压缩，但是压缩会降低索引和搜索的效率，对于很小的域值，通常并不值得去压缩。

 

3. 检索词向量

    这个稍微麻烦一些，不展开了。选项如下：

    1) TermVector.YES

    2) TermVector.WITH_POSITIONS

    3) TermVector.WITH_OFFSETS

    4) TermVector.WITH_POSITIONS_OFFSETS

    5) TermVector.NO

    需要注意的是，如果设置了Index.NO, 则必须是TermVector.NO. 即前四个选项必须建立在域值可索引的基础上。

 

4. Field的构造器

    Field的构造器有很多：

    

 

5. 小结

    组合以上选项，主要有如下用法：

Index	Store	TermVector	常见用处
NOT_ANALYZED	YES	NO	文件名、URL、电话、日期等
ANALYZED	YES	WITH_POSITIONS_OFFSETS	标题、摘要
ANALYZED	NO	WITH_POSITIONS_OFFSETS	正文
NO	YES	NO	分类、数据库主键等只用来在结果中显示的
NOT_ANALYZED	NO	NO	隐藏的关键字