lucene3.XX 升级 8.XX

最新推荐文章于 2025-11-22 03:13:37 发布

原创最新推荐文章于 2025-11-22 03:13:37 发布 · 303 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#自然语言处理

java后端学习专栏收录该内容

10 篇文章

订阅专栏

本文详细介绍了从旧版Lucene升级到新版的过程，包括更改TermAttribute为CharTermAttribute，更新SearchContext使用方式，调整BooleanQuery构造，修改TokenStreamComponents创建方法，继承Analyzer而非ReusableAnalyzerBase，以及处理字段别名和符号分隔符的注意事项。

1、import org.apache.lucene.analysis.tokenattributes.CharTermAttribute; //TermAttribute
TermAttribute 改成 CharTermAttribute
TermAttribute.term CharTermAttribute.tostring
2、SearchContext 下发到分模块
3、BooleanQuery 方式改变
BooleanQuery oldBQuery = new BooleanQuery().add(new TermQuery(new Term(“keyword”, term.getTerm())),Occur.MUST);
BooleanQuery newBQuery =new BooleanQuery.Builder().add(new BooleanClause(new TermQuery(new Term(“keyword”, term.getTerm())), Occur.MUST)).build();
4、TokenStreamComponents createComponents 不再接受 Reader
以前的 return new TokenStreamComponents(source, result) { 不在能接受 reader
protected boolean reset(final Reader reader) throws IOException {
sink.reset();
return super.reset(reader);
}
};

TokenFilter 重写了(有的没 override)reset中有对 Tokenizer 的初始化。会用到后面 set的reader
5、所有分词器继承 ReusableAnalyzerBase 改成直接继承 Analyzer
6、schema.field.alias. 警惕字段别名，lucene 8.2 docvalue 不允许重复
7、SymbolTokenizer 简单符号分隔符注意 staroffset endoffset 特殊字符偏移问题