Lucene.Net 2.3.1開發介紹 —— 三、索引（三）

3、Field配置所產生的效果

 索引資料，簡單的代碼，只要兩個方法就搞定了，而在索引過程中用到的一些類裡最簡單，作用也不小的就是Field，接下來看看Field的各項設定都會有什麼樣的效果。

代碼 3.1

 

Code
 1/**//// <summary>
 2/// 索引資料
 3/// </summary>
 4private void Index()
 5{
 6    Analyzer analyzer = new StandardAnalyzer();
 7    IndexWriter writer = new IndexWriter("IndexDirectory", analyzer, true);
 8    AddDocument(writer, "我的祖國", "英語單詞");
 9    AddDocument(writer, "祖國萬歲", "英語文法");
10    AddDocument(writer, "祖國", "英語單元");
11    AddDocument(writer, "人民", "單詞測試");
12    writer.Optimize();
13    writer.Close();
14}
15/**//// <summary>
16/// 為索引準備資料
17/// </summary>
18/// <param name="writer">索引執行個體</param>
19/// <param name="content">需要索引的資料</param>
20void AddDocument(IndexWriter writer, string title, string content)
21{
22    Document document = new Document();
23    document.Add(new Field("title", title, Field.Store.Yes, Field.Index.TOKENIZED));
24    document.Add(new Field("content", content, Field.Store.YES, Field.Index.TOKENIZED));
25    writer.AddDocument(document);
26}

 

 

代碼3.1就是準備好的索引過程。運行，然後呢？這裡要說到一個工具，luke(lukeall)這是一個java平台下的Lucene索引管理工具。抽空，我實現了一個簡單的dotNet版本的，詳細請查看 NLuke版本更新資訊 。接下來的索引，會用這個軟體對索引進行分析。

 

現在就可以開始調整AddDocument方法中Field執行個體化時的參數了，看看調整後會對索引造成什麼樣的影響。這裡以title對應的Field為例。

 

3.1 Field.Stroe選項

這個選項有3個值，下面來分析下效果。

3.1.1 Field.Stroe.Yes

剛好，預設的就是這個。用這選項建完索引，然後用NLuke查看，發現，title這個欄位有，而且有8個Term。切換到文檔地區，發現文檔的title有內容。這個選項表示的就是儲存，所以，這些是正常狀態。

3.1.2 Field.Stroe.No

title也有8個Term，但是文檔中沒有欄位了。也就是說現在可以用這個欄位來搜尋，但是搜尋結果Hits中，不能用Document執行個體的Get方法來取得欄位的內容了。那就是欄位內容沒有被儲存。

3.1.3 Field.Store.COMPRESS

設定為COMPRESS，報錯了，錯誤資訊“Compression support not configured”，是個配置錯誤。這個錯誤在SupportClass，CheckCompressionSupport方法被拋出。這裡讀取了一個設定檔，然後根據設定檔指定的類名來建立執行個體。這個類必須實現介面 SupportClass.CompressionSupport.ICompressionAdapter。在Lucene.Net中內建了一個“SharpZipLibAdapter”，但是需要有編譯符號SHARP_ZIP_LIB才能編譯進去。為了看看效果，所以給項目添加SHARP_ZIP_LIB符號，然後增加app.config設定檔，在appseting中添加Lucene.Net.CompressionLib.class鍵，值是SharpZipLibAdapter。然後下載 ICSharpCode.SharpZipLib.dll,這個dll才是真正實現壓縮演算法的。： http://sourceforge.net/project/downloading.php?groupname=sharpdevelop&filename=SharpZipLib_0855_Bin.zip&use_mirror=nchc

把ICSharpCode.SharpZipLib.dll引入項目，就可以使用COMPRESS這個選項了。效果與Yes是一樣的。

 

3.1.4 效果對比

對於Field.Stroe.Yes，產生位元組大小是：627位元組

Field.Stroe.COMPRESS是：661位元組

Field.Stroe.No是：579位元組

使用Field.Stroe.COMPRESS反而是佔用空間最大，這不符合原先的設想。那是因為我們索引的文本太小，你可以試試看增加索引的內容，再對比小效果。

 

3.2 Field.Index選項

現在把Field.Stroe設定為Field.Stroe.Yes，接著來看看Field.Index的效果。

 

3.2.1 Field.Index.TOKENIZED

這個選項是用來控制分詞的，TOKENIZED表明需要分詞。運行後title有8個Term，沒有問題。

3.2.2 Field.Index.UN_TOKENIZED

運行後只有4個Term，而且Term是原先寫入的內容，和儲存的完整內容沒有區別。

3.2.3 Field.Index.NO

和預想的一樣，title的Term一個也沒有了。

3.2.4 Field.Index.NO_NORMS

效果似乎和Field.Index.UN_TOKENIZED一樣，但是它把詞條的附加資訊全去掉了。比如，它將不再記錄詞的正太分布資料一類的東西。這樣可以減少佔用的空間。而且這個用法也有一個條件，就是只要開啟，就要全部開啟，否則會失效。比如索引了四條資料沒使用NO_NORMS，而接下來的兩條使用了NO_NORMS，那麼前面四條的資料效果，那麼接下來的兩條資料實際上並沒有產生NO_NORMS的效果。

3.2.5 效果分析

1，2，4三種情況雖然不同，但是都可以搜尋，而第三種情況，也就是設定為NO，則不可以搜尋。第一種情況，可以分詞搜尋，並且可以排序。而2，4則不能分詞搜尋，第四種情況不可以排序（不可以排序指，不能按照詞出現的頻率進行排序）。

 

從上面也可以看出，假設Field.Store設定為NO,而Field.Index也設定為NO，那就和沒添加是一樣的了。Field.Store是給你取完整資料用的，而Field.Index則是給搜尋用的。在極端的情況下，可以設定Field.Store為NO，而Field.Index可以搜尋，等取資料的時候再從資料來源（比如資料庫），它們中間有個關聯法則，那樣可以有效減輕Lucene的工作壓力。

 

3.3 Field.TermVector

Field.TermVector選項，現在工具還沒實現這個功能，不過可以自己編碼來實現。

 

代碼 3.3.5.1

Code
 1[Test]
 2public void TermVectorTest()
 3{
 4    IndexReader reader = IndexReader.Open("IndexDirectory");
 5    int numDoc = reader.NumDocs();
 6    for (int i = 0; i < numDoc; i++)
 7    {
 8        Console.WriteLine("Doc:#" + i + "----------------------------");
 9        Document doc = reader.Document(i);
10        Field field = doc.GetField("title");
11        Console.WriteLine("是否被索引：" + field.IsIndexed());
12        Console.WriteLine("是否被儲存：" + field.IsStored());
13        Console.WriteLine("是否儲存開始位置：" + field.IsStorePositionWithTermVector());
14        Console.WriteLine("是否儲存結束位置：" + field.IsStoreOffsetWithTermVector());
15        Console.WriteLine("是否儲存了向量：" + field.IsTermVectorStored());
16        Console.WriteLine("是否分詞：" + field.IsTokenized());
17        Console.WriteLine("--------------------------------------------");
18    }
19    reader.Close();
20}

 

設定Field.TermVector後，可以用代碼3.3.5.1檢查效果。你可以自己去試試。