使用Lucene.net索引多语言内容

Question

我使用Lucene.net来索引内容＆amp;网站上的文件等。索引非常简单，格式如下：

LuceneId - unique id for Lucene (TypeId + ItemId)
TypeId   - the type of text (eg. page content, product, public doc etc..)
ItemId   - the web page id, document id etc..
Text     - the text indexed
Title    - web page title, document name etc.. to display with the search results

我有这些选项可以调整它以提供多语言内容：

1. 为每种语言创建单独的索引。例如。 Lucene-enGB，Lucene-frFR等..
2. 保留一个索引并为其添加一个额外的“语言”字段以过滤结果。

哪个是最佳选择 - 还是另一个？我之前没有使用多个索引，所以我倾向于第二个。

Answer 1

我做[2]，但我遇到的一个问题是我根据语言不能使用不同的分析器。我已经结合了我想要的语言的停用词，但是我失去了分析器提供的更先进的东西的功能，例如词干等。

Answer 2

您可以取消选项1和2.
您可以使用一个索引，包含阿拉伯语单词的字段为每个索引创建两个文件： 如果您有字段“文字”可能包含阿拉伯语或英语内容==＆gt;

• 为“文字”创建2个字段：1个字段，“文字”，使用您的标准分析器进行索引/搜索，另一个字段为“ Text_AR “，与arabicAnalyzer。为了实现你可以使用 PreFieldAnalyzerWrapper