从XML创建Lucene文档

Question

我有一个XML文档，我想将它索引到Lucene索引。 即。

<hello>
  <world>hi</world>
</hello>

我希望文档中有一个Field（hello.world:"hi“）（指定一个分析器）

我总是可以解析它，但我想知道是否存在任何自动生成它的工具？

Answer 1

是的，有一个“工具”（实际上是一个完整的数据库服务器）可以自动执行此操作：eXist。如果配置正确，这允许您混合XQuery和Lucene全文查询，如

for $hit in collection("/db/my-stuff")//hello/world[ft:query("hi")]
  order by ft:score($hit)  (:uses Lucene scoring formula:)
  return $hit

分析程序在每个文档集合配置文件中指定。

在（旧）IBM DeveloperWorks article中描述了使用Apache Digester的更轻量级方法。

编辑在处理了eXist两年之后，我想补充一点，它的Lucene集成并不完美。对于简单查询，它通常可以正常工作，但是当在复杂的XPath查询中执行全文查询时，看起来查询优化器会变得混乱，您可能得到错误的结果或可怕的性能。也许eXist 2.0已经解决了一些问题，YMMV。