Question

我有一个1000个文件的列表（并且每年增长两倍）仅包含文本，每个文件大小约为8Mb，我正在尝试找到给定（通配符）表达式的文件名。

示例，所有文件都包含此类数据

COD1004129641208240002709991455671866 4IT / HUF 4400QQQUF 3300QQQUF

我的搜索可能是：“* 9991455671866”与上面一行匹配。

问题是（也许我的期望太高）返回结果需要一点多时间。

我的文档索引如下所示：

private Document getDocument(File file) throws IOException
{
    FileReader reader = new FileReader(file);
    Document doc = new Document();
    doc.add(new Field(IndexProperties.FIELD_FILENAME, file.getName(), Field.Store.YES, Field.Index.NOT_ANALYZED)); 
    doc.add(new Field(IndexProperties.FIELD_CONTENT, reader));

    return doc;
}

分析仪

        Directory fsDir = FSDirectory.open(new File(indexFolder));
        Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_36);

        // build the writer
        IndexWriterConfig indexWriter = new IndexWriterConfig(Version.LUCENE_36, analyzer);
        IndexWriter writer = new IndexWriter(fsDir, indexWriter);

，通过通配符搜索：

public List<String> findFilenameByContent(String wildCardContent, String INDEX_FOLDER, String TICKETS_FOLDER) throws Exception
{   
    long start = System.currentTimeMillis();
    Term term = new Term(IndexProperties.FIELD_CONTENT, wildCardContent); //eg *9991455671866
    Query query = new WildcardQuery(term);

    //loop through docs
    Directory fsDir = FSDirectory.open(new File(INDEX_FOLDER));
    IndexSearcher searcher = new IndexSearcher(IndexReader.open(fsDir));
    ScoreDoc[] queryResults = searcher.search(query, 10).scoreDocs;  
    List<String> strs = new ArrayList<String>();

    for (ScoreDoc scoreDoc : queryResults) 
    {  
        Document doc = searcher.doc(scoreDoc.doc);  
        strs.add(doc.get(IndexProperties.FIELD_FILENAME));
    }

    searcher.close();
    long end = System.currentTimeMillis();
    System.out.println("TOTAL SEARCH TIME: "+(end-start)/1000.0+ "secs");
    return strs;
}

Answer 1

我认为您的代码没有任何问题。如果您只需要搜索，请尝试：

IndexReader.open(fsDir,true);

它可能会缩短您的搜索时间。

This suggestions may help.

使用通配符进行lucene搜索非常慢

1 个答案: