Dissect Lucene – Lucene中的文档
在包org.apache.lucene.document中，三个类，其中DateField是用来处理日期与字符串转换的工具类，来方便的处理日期类型的Field。
Field就像我们学过的数据库中的字段，简单的说，就是一个名值对。这个域有三种属性，分别是
isStored – 是否被存储
isIndexed – 是否被索引
isTokenized – 是否分词
这些属性的组合又构成了四种不同类型的Field，而且各有用途，用Xerdoc DSearch中举个例子：
Keyword(String name, String value)
存储、索引、不分词，用于URI（比如MSN聊天记录的日期域、比如MP3文件的文件全路径等等）
UnIndexed(String name, String value)
存储、不索引、不分词，比如文件的全路径
UnStored(String name, String value)
不存储、索引、分词，比如HTML的正文、Word的内容等等，这部分内容是要被索引的，但是由于具体内容通常很大，没有必要再进行存储，可以到时候根据URI再来挖取。所以，这部分只分词、索引，而不存储。
Text(String name, String value)
存储、索引、分词，比如文件的各种属性，比如MP3文件的歌手、专辑等等。
Text(String name, Reader value)
不存储、索引、分词。
Field经常需要进行Name的比较，比如：
- /** Returns a field with the given name if any exist in this document, or
- * null. If multiple fields exists with this name, this method returns the
- * first value added.
- */
- public final Field getField(String name) {
- for (int i = 0; i < fields.size(); i++) {
- Field field = (Field)fields.get(i);
- if (field.name().equals(name))
- return field;
- }
- return null;
- }
因此，基于效率上的考虑，Field的fieldName（字段名）是要被intern的，。如果你不明白Intern，可以看看这篇文章"Can I use ‘==’ to compare two String?"。
Lucene中的Document（文档）就如同数据库中的一个数据列一样，是一个Field的集合。类Document用一个Vector来存储这个Field集合，然后提供一些基本的add, remove等接口来进行管理。
Document还能设置这个文档的boost（翻译成权重？评分？），这些会在后面讲到。
Field和Document都是final Class，不能被继承。
Popularity: 13% [?]
Related entries:
November 22nd, 2005 at 12:48 am
Yo, 开始写Lucene了，呵呵
November 22nd, 2005 at 8:46 am
有时间就写写，呵呵