索引文档

Question

如果我想在java中索引一个文档（HTML）并计算索引的数量，Lucene的方法是什么？我觉得Lucene只是一个搜索引擎。

非常感谢

Answer 1

是的！我做了这件事。我使用JSOUP和Lucene来获取HTML页面来索引内容。 JSOUP是一个类似jQuery的库，除了java。所以我能够得到div我想索引并得到所有文本。如果你愿意，我可以分享例子。你有什么疑问，也许我可以帮助你？

修改：以下是我之前做过的项目示例https://github.com/amir20/iAuthor/blob/master/wikitool/src/main/java/edu/gwu/raminfar/iauthor/wikitool/WikiTool.java#L180

如果您想要真正的索引服务，它的效果非常好。如果您只想将HTML存储在数据库中，那么Lucene可能不是您的选择。

Answer 2

嗯，是的 - Lucene是一个搜索引擎。 （更确切地说：它是一个允许您构建搜索引擎的库）。要获得搜索引擎，您需要一个文本索引，Lucene也提供了这个。它是一个非常强大的工具 - 它包含stemmers用于英语和其他一些语言，根据我的经验，即使有大量数据，它也能快速运行。

Lucene不会为您解析HTML，因此您需要在将文本放入索引之前执行此操作。