java lucene搜索

Question

亲爱的StackOverFlow开发者：我需要你的帮助。我被困在Apache lucene中，无法在java swing应用程序中使用。这个问题太复杂了，连我都不知道该怎么问。 请尽量了解我的实际需求。 这个例子很简单，我必须给出html文件，这样客户端就可以在swing应用程序中访问它们，对于搜索工具，我决定使用ApacheLucene索引。这为我提供了搜索功能，但现在我想显示符合搜索条件的html文件数据。在JavaAPI中，我使用swing，而JEditorPane是我必须在其中显示html文件内容的控件。请建议我如何索引html文件，以及如何从lucene索引中获取html文件的内容。 html文件不仅包含文本，还包含链接、图像等

提前谢谢，希望能得到你的帮助 问候

Answer 1

在我们的一个项目中，我们使用Lucene进行全文索引；搜索时，我们处理HTML文件的方式如下：

• 将HTML文档按原样存储在磁盘上（也可以存储在数据库中）
• 使用Jericho HTMLParser的HTML->；文本转换器，我们从HTML文档中提取文本、链接等
• lucene文档有一些属性，除了HTML中的文本内容之外，还以标记化格式存储了关于HTML文件的元数据
• 在索引前的标记化过程中，使用StandardAnalyzer保留某些标记，如电子邮件、网站链接
• 搜索索引时，返回的点击包含符合条件的HTML文件的元数据。因此，我们能够识别要为给定搜索结果显示的HTML内容

嗯