DotLucene源码浅读笔记(2) : Lucene.Net.Documents

<iframe marginwidth="0" marginheight="0" src="http://218.16.120.35:65001/PC/Global/images/b.html" frameborder="0" width="728" scrolling="no" height="90"></iframe>

这个写的比较抱歉,因为已经开始阅读Index部分了,Documents这个部分很早之前写了,但觉得没什么价值没发表,荒芜了一段时间,现在又开始了.这篇仅仅为了系列的完整.也发表了吧,大家随便仍鸡蛋吧 :).

这个命名空间的类相对较少，也相对较简单,一共才四个类，主要的类是Document,Field,

在DotLucene中，可以这样认为，Document就是一种类似于数据库中的数据列的数据结构，Field就相当于字段；Document由多个Field组成，并且DotLucene并不要求每个Document的结构是一样的， 在DotLucene中，送入到索引器中索引的的数据是Document，搜索出来的数据也是Document。所以只要你的数据源能转化成Document这样的数据结构就可以被DotLucene索引。准确点来说，应该是，不管是HTML，Word,PDF格式还是啥格式 ，只要能转换成文本就可以被索引。当然如果你意想天开。把图片序化成字串加入索引也可以。再写个特别的Analyzer，说不定会成为一个特别的图片搜索引擎。J

下面从源代码的角度整理一下Document,Field的作用和机理。

Document ： 从源码的角度看，他就是一个ArrayList的包装类。封装了把Field对象加入，取出ArrayList等方法，以及SetBoost(权重)等等方法组成的类。其实这样的设计比较常见，也是很不错的技巧。

Field ：这个类相对比较长，从应用的角度看，最主要的是理解几个概念，

那一个构造函数做代表：

public Field(System.String name, System.String string_Renamed, bool store, bool index, bool token, bool storeTermVector)

其中：

store ： 是否存储；

index ： 是否索引；

token ： 是否分词；如果需要索引，token就必须为true,只有分词后才能够被索引。

Field的主要类型，都是这几个参数的变化而已，我抄了两个表格：
偏向代码角度，其实这个表格没太大作用。下面不同的方法，其实就是return new Filed(?),不同的是?里的参数组合不同。

方法	切词	索引	存储	用途
Field.Text(String name, String value)	Yes	Yes	Yes	切分,索引,并存储，比如：title，subject
Field Text(String name, Reader value)	Yes	Yes	Yes	与上面同, Term Vector并不存储此Field
Field Text(String name, String value, boolean storeTermVector)	Yes	Yes	Yes	切分,索引,存储，比如：title,subject.于上面不同的加入了一个控制变量
Field Text(String name, Reader value, boolean storeTermVector)	Yes	Yes	Yes	切分,索引,存储，比如：title,subject.于上面不同的加入了一个控制变量
Field.Keyword(String name, String value)	No	Yes	Yes	不切分,索引,存储，比如：date,url
Field Keyword(String name, Date value)				不切分,存储,索引,用来返回hits
Field.UnIndexed(String name, String value)	No	No	Yes	不切分,不索引，存储，比如：文件路径
Field.UnStored(String name, String value)	Yes	Yes	No	只全文索引，不存储
Field UnStored(String name, String value, boolean storeTermVector)	Yes	Yes	No	于上面相同,不同的是加入了一个控制变量

http://www.dmresearch.net/html/content/lucene-nutch/1000001794.php

偏向应用的：

Keywork	该类型的数据将不被分析,而会被索引并保存保存在索引中.
UnIndexed	该类型的数据不会被分析也不会被索引,但是会保存在索引.
UnStored	和UnIndexed刚好相反,被分析被索引,但是不被保存.
Text	和UnStrored类似.如果值的类型为string还会被保存.如果值的类型为Reader就不会被保存和UnStored一样.

http://www.cnblogs.com/idior/articles/120301.html

最后，取得的Field的值是用StringValue()不是ToString().ToString()输出是描述这个Field的状态信息。不知道这个是不是Java带过来的毛病(习惯？)。

需要特别说明的是DotLucene的数字和日期的处理方式，相关的类NumberTools，DataTools