Lucene中的token和term的区别

Term是一个最小搜索单元,Lucene中有个Term和对应的TermQuery;Token应该是分词过程中记录一些分词信息的对象。

Token类的说明是这样的

Lucene中的token和term的区别

 

简单的翻译下:token由字段文本的term产生,包含term的内容,起始,结束位移和类型字符串。

起始和结束偏移能够通过原来的text,连接起来,用于高亮或者匹配文本段等。

type是一个字符串,被词语解析器指定,命名了token属于的词语类型,例如,在一个句子的结尾,token使用“eos”类型实现,缺省的token类型是word。

从Lucene2.9开始,Token这个类就不建议使用了,推荐使用Attributes的实现类代替。尽管token不在使用,但是可以使用TokenStream API可以轻松实现所有的Attribute。

新版取得分词信息方式如下:

Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_47);

String text = "利用 Lucene 进行搜索就像建立索引一样也是非常方便的。";

TokenStream tokenStream = analyzer.tokenStream("keyword",text);
tokenStream.reset();
whiel(tokenStream.incrementToken(){
    CharTermAttribute charTermAttribute = tokenStream.getAttribute(CharTermAttribute.class);
}

Term的注释是这样的

Lucene中的token和term的区别

 

Term表示文本中的一个词语,是搜索单元,它由两个元素组成,词语的内容和文本所在的field(域),Term不仅仅表示字符串词语,还可以代表日期,邮件地址,或者url。

总结一下:

Term用于查询,下面就是一个query。

Term query = new Term("keyword","Lucene");

Token是在分词过程中产生的对象。

 

上一篇:[New Portal]Windows Azure Virtual Machine (5) 配置VM的Endpoints


下一篇:lucene(9)