Tag: 全文搜索

使用Solr CELL的ExtractingRequestHandler从包格式索引/提取文件: 你可以使用ExtractingRequestHandler和Tika与任何压缩文件格式（zip，tar，gz等）来提取内容以进行索引吗？我正在使用curl发送solived archived.tar文件。 curl“ http：// localhost：8983 / solr / update / extract？literal.id = doc1＆fmap.content = body_texts＆commit = true ” -H’Content -type：application / octet-stream’ – data-binary“@ / home /archived.tar“我查询文档时得到的结果是归档中的文件名被索引为”body_texts“，但这些文件的内容未被提取或包含。这不是我预期的行为。参考： http ： //www.lucidimagination.com/Community/Hear-from-the-Experts/Articles/Content-Extraction-Tika#article.tika.example 。当我使用相同的curl命令在存档中发送1个实际文档时，提取的内容然后存储在“body_texts”字段中。我错过了压缩文件的步骤吗？我在http://outoftime.lighthouseapp.com/projects/20339/tickets/98-solr-cell中添加了所有提取依赖项，如mat所示，并且能够成功从MS Word，PDF，HTML文档中提取数据。我正在使用以下库版本。 Solr 1.40，Solr Cell 1.4.1，Tika Core 0.4 鉴于我所读到的所有内容，此版本的Tika应支持从压缩文件中的所有文件中提取数据。任何帮助或建议将不胜感激。

Lucene通过URL搜索: 我正在存储一个包含URL字段的Document： Document doc = new Document(); doc.add(new Field(“url”, url, Field.Store.YES, Field.Index.NOT_ANALYZED)); doc.add(new Field(“text”, text, Field.Store.YES, Field.Index.ANALYZED)); doc.add(new Field(“html”, CompressionTools.compressString(html), Field.Store.YES)); 我希望能够通过其URL找到Document，但我得到0结果： Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_30) Query query = new QueryParser(LUCENE_VERSION, “url”, analyzer).parse(url); IndexSearcher searcher = new IndexSearcher(index, true); TopScoreDocCollector collector = TopScoreDocCollector.create(10, true); searcher.search(query, collector); ScoreDoc[] hits = collector.topDocs().scoreDocs; // Display results for (ScoreDoc […]

MongoDB全文搜索索引：错误：文本索引太多，为什么？: 我有一个问题，我有收集，我想将文本搜索索引设置为2个字段（描述和标题）。但当我添加第二个索引时，我得到以下错误，文本搜索停止工作。 { “serverUsed” : “localhost/127.0.0.1:27017” , “ok” : 0.0 , “errmsg” : “too many text index for: testdb.users”} 当我删除一个索引搜索再次开始工作。问题是什么？一个集合仅支持一个字段的全文搜索索引???? 我在windows下使用当前版本的mongodb，我正在使用mongodb java驱动程序API。谢谢

Google App Engine（Java）上的全文搜索: 关于这个主题有几个线程浮动，但我认为我的用例有些不同。我想做的事：我的GAE / J应用程序的全文搜索组件索引大小很小：25-50MB左右我不需要对索引进行实时更新，定期重新索引也没问题这是为了自动完成等，所以它需要非常快（我得到的印象是在数据存储区中实现反向索引会引入相当大的延迟）到目前为止我的策略（只是计划，尚未尝试实施任何东西）：将Lucene与RAMDirectory一起使用定期cron作业创建索引，将其序列化到数据存储区，存储更新ID（或时间戳）搜索servlet在启动时加载索引并创建RAMDirectory 在每个请求上，servlet检查当前的更新ID并根据需要重新加载索引我模糊的主要问题是如何在实例之间同步内存中的数据 – 这会起作用吗，还是我错过了什么？另外，在我开始使用内存问题之前，我可以在多大程度上推送它？我在GAE的RAM配额上找不到任何东西。（这个索引很小，但我想想更多我想添加的东西）当然，对更好方法的任何想法？

如何在Hibernate Search中搜索带通配符和空格的字段: 我有一个搜索框，根据给定的输入在标题字段上执行搜索，因此用户建议所有可用的标题以插入的文本开头。它基于Lucene和Hibernate Search。它一直工作，直到输入空间。然后结果消失了。例如，我希望“学习H”给我“学习Hibernate”作为结果。但是，这不会发生。你能告诉我我应该在这里使用什么呢？查询生成器： QueryBuilder qBuilder = fullTextSession.getSearchFactory() .buildQueryBuilder().forEntity(LearningGoal.class).get(); Query query = qBuilder.keyword().wildcard().onField(“title”) .matching(searchString + “*”).createQuery(); BooleanQuery bQuery = new BooleanQuery(); bQuery.add(query, BooleanClause.Occur.MUST); for (LearningGoal exGoal : existingGoals) { Term omittedTerm = new Term(“id”, String.valueOf(exGoal.getId())); bQuery.add(new TermQuery(omittedTerm), BooleanClause.Occur.MUST_NOT); } @SuppressWarnings(“unused”) org.hibernate.Query hibQuery = fullTextSession.createFullTextQuery( query, LearningGoal.class); Hibernate类： @AnalyzerDef(name = “searchtokenanalyzer”,tokenizer […]

Elasticsearch中的索引是什么: Elasticsearch中的索引是什么？一个应用程序有多个索引还是只有一个？假设你为一些汽车制造商建立了一个系统。它涉及人，汽车，备件等。你有一个名为制造商的索引，或者你有一个人的索引，一个汽车索引和三个备件？有人能解释一下吗

简单的内存全文搜索解决方案: 我有一个在Java上运行的小网站，可能有十几个降价文件。我想为用户提供全文搜索，以便快速访问这些降价文件。由于它很小，我每次启动Web应用程序时都可以在内存中构建索引。有什么建议吗？注意我想远离任何数据库解决方案，sql或nosql。我更喜欢解决方案是作为库提供而不是构建到XX框架中

在textarea中搜索单词: 我在java中构建一个自定义find and replace 。我浏览文本文件并在textarea中加载内容。现在我有一个textBox，我在其中输入需要搜索的文本。搜索文本的最佳方法是什么。我知道使用string.indexOf() ，但我还需要突出显示。所以请帮帮我。

在Lucene中获取学期频率: 有没有一种快速简便的方法可以从Lucene索引中获取术语频率，而无需通过TermVectorFrequencies类，因为这需要花费大量时间来处理大型集合？我的意思是，是否有类似TermEnum东西，它不仅有文档频率，还有术语频率？更新：使用TermDocs太慢了。

从Lucene索引获得最高频率条款: 我需要从几个lucene索引中提取具有最高频率的术语，以便将它们用于某些语义分析。所以，我想得到可能排名前30位的最常见的术语（仍然没有决定阈值，我将分析结果）和他们的每个索引计数。我知道我可能会失去一些精确度，因为可能会丢失重复，但就目前而言，让我说我很好。所以对于提出的解决方案，（不用说可能）速度并不重要，因为我会进行静态分析，我会强调实现的简单性，因为我不熟悉Lucene并且无法围绕它的一些概念。。我找不到任何类似的代码示例，所以具体建议（代码，伪代码，代码示例的链接……）感谢所有的建议！谢谢！