lucene，关键字在文中的位置，关键字在文章中出现的频次（------棘手问题，可给350分） lucene中可以找到关键字，但是怎么找到关键字在文中的位置，以及关键字在文中出现的频次请问用哪个类或接口，最好给出例子，谢谢！ 解决方案 » 免费领取超大流量手机卡，每月29元包185G流量+100分钟通话, 中国电信官方发货 呵呵,文中位置就要复杂点啊你先把她专程流(IO类)然后用readLine()的方法一行一行的查找你的关键字,用String类中的方法就可以找到,用个int flag记住你是在第几行找到的,然后就可以知道你的关键字是X行Y列了例子呵呵. 不好意思，我问的是用lucene怎么实现lucene里面自带有关于管理文中位置和关键词频次的类和接口，不过我不知道怎么样用 lucene !帮你up 呵呵，确实棘手，花了我两三天时间，可惜我只弄了一个简单的基于lucene的全文检索，没有认真去读里面的原码，只有帮你顶顶拉，求高手帮忙解决，我也好学习学习，省得以后有需求拉又要去找资料。 晕 菜鸟不懂 GZ一下顺便UP IndexReader中有方法，仔细看文档，我手编没有资料，记不清函数名称了 设有两篇文章1和2 文章1的内容为：Tom lives in Guangzhou,I live in Guangzhou too. 文章2的内容为：He once lived in Shanghai. 1.首先找出关键字,2.接着建立倒排索引关键词 文章号 guangzhou 1 he 2 i 1 live 1,2 shanghai 2 tom 1 请注意关键字是按字符顺序排列的,因此lucene可以用二元搜索算法快速定位关键词。加上“出现频率”和“出现位置”信息后，索引结构变为： 关键词 文章号 [出现频率] 出现位置 guangzhou 1 [2] 3，6 he 2 [1] 1 i 1 [1] 4 live 1 [2],2[1] 2，5，2 shanghai 2 [1] 3 tom 1 [1] 1 live在文章1中出现了2次，文章2中出现了一次，它的出现位置为“2,5,2”这表示:因为文章1中出现了2次，那么“2,5”就表示live在文章1中出现的两个位置，文章2中出现了一次，剩下的“2”就表示live是文章2中第 2个关键字。实现时 lucene将上面三列分别作为词典文件、频率文件、位置文件保存。其中词典文件不仅保存有每个关键词，还保留了指向频率文件和位置文件的指针，通过指针可以找到该关键字的频率信息和位置信息。 Lucene中使用了field用于表达关键词所在位置（如标题中，文章中，url中），在建索引中，该field信息也记录在词典文件中，每个关键词都有一个field信息。 为了减小索引文件的大小，Lucene对索引还使用了压缩技术。首先，对词典文件中的关键词进行了压缩，关键词压缩为<前缀长度，后缀>，例如：当前词为“阿拉伯语”，上一个词为“阿拉伯”，那么“阿拉伯语”压缩为<3，语>。其次大量用到的是对数字的压缩，数字只保存与上一个值的差值（这样可以减小数字的长度，进而减少保存该数字需要的字节数）。例如当前文章号是16389（不压缩要用3个字节保存），上一文章号是16382，压缩后保存7（只用一个字节）。 对该索引的查询:假设要查询单词 “live”，lucene先对词典二元查找、找到该词，通过指向频率文件的指针读出所有文章号，然后返回结果。词典通常非常小，因而，整个过程的时间是毫秒级的。 而用普通的顺序匹配算法，不建索引，而是对所有文章的内容进行字符串匹配，这个过程将会相当缓慢，当文章数目很大时，时间往往是无法忍受的。 详细的你可以看:http://www.nationart.net/lucene/Lucene.pdf 怎么用Java实现保存网页的功能 如何加入多线程？ 如何实现下列程序的数组输出？？ list中的数据由大到小排序，有什么好的算法？ 困惑：调用外部程序并杀掉外部程序的问题 swing中出现中文方框问题 获得hashtable的key @散分+终于长了一个星星，庆祝一下 弱弱的提个问题~关于AOP的~~ weblogic5.1附带的statelessSession例子都出错，ｈｅｌｐ ｍｅ。。。 Java Swing做的扫雷游戏程序，免费下载！ 高分请教 音频采集 回放 分不够可以另开！
你先把她专程流(IO类)然后用readLine()的方法一行一行的查找你的关键字,用String类中的方法就可以找到,用个int flag记住你是在第几行找到的,然后就可以知道你的关键字是X行Y列了
例子呵呵.
!
帮你up
顺便UP
文章1的内容为：Tom lives in Guangzhou,I live in Guangzhou too.
文章2的内容为：He once lived in Shanghai.
1.首先找出关键字,
2.接着建立倒排索引
关键词 文章号
guangzhou 1
he 2
i 1
live 1,2
shanghai 2
tom 1
请注意关键字是按字符顺序排列的,因此lucene可以用二元搜索算法快速定位关键词。
加上“出现频率”和“出现位置”信息后，索引结构变为：
关键词 文章号 [出现频率] 出现位置
guangzhou 1 [2] 3，6
he 2 [1] 1
i 1 [1] 4
live 1 [2],2[1] 2，5，2
shanghai 2 [1] 3
tom 1 [1] 1
live在文章1中出现了2次，文章2中出现了一次，它的出现位置为“2,5,2”这表示:因为文章1中出现了2次，那么“2,5”就表示live在文章1中出现的两个位置，文章2中出现了一次，剩下的“2”就表示live是文章2中第 2个关键字。
实现时 lucene将上面三列分别作为词典文件、频率文件、位置文件保存。其中词典文件不仅保存有每个关键词，还保留了指向频率文件和位置文件的指针，通过指针可以找到该关键字的频率信息和位置信息。
Lucene中使用了field用于表达关键词所在位置（如标题中，文章中，url中），在建索引中，该field信息也记录在词典文件中，每个关键词都有一个field信息。
为了减小索引文件的大小，Lucene对索引还使用了压缩技术。首先，对词典文件中的关键词进行了压缩，关键词压缩为<前缀长度，后缀>，例如：当前词为“阿拉伯语”，上一个词为“阿拉伯”，那么“阿拉伯语”压缩为<3，语>。其次大量用到的是对数字的压缩，数字只保存与上一个值的差值（这样可以减小数字的长度，进而减少保存该数字需要的字节数）。例如当前文章号是16389（不压缩要用3个字节保存），上一文章号是16382，压缩后保存7（只用一个字节）。
对该索引的查询:
假设要查询单词 “live”，lucene先对词典二元查找、找到该词，通过指向频率文件的指针读出所有文章号，然后返回结果。词典通常非常小，因而，整个过程的时间是毫秒级的。
而用普通的顺序匹配算法，不建索引，而是对所有文章的内容进行字符串匹配，这个过程将会相当缓慢，当文章数目很大时，时间往往是无法忍受的。