群组首页 → 企业架构 → lucene爱好者 → 论坛
发表回复

[lucene] (新手）Lucene3.0建索引问题

kexzcle 2009-12-31
在Lucene3.0中 对各种文档格式的解析 是否可以统一？
统一建索引，我很多关键字搜索PDF都查询不到。
不统一的话 单独解析 PDF 我用到的是PDFBOX0.7.3.可是它用到的是Lucene2.0的包 ，想问怎么用PDFBOX啊在Lucene3.0中


我现在是把lucene3.0源码包下载了
源码包下JSP中实例 改造了下
在WEB建立索引 然后搜索结果 ！！






kexzcle 2009-12-31
有哪位大哥指导下小弟 不甚感激啊！！
lzj0470 2010-01-04
可以统一。不同的文档格式，实现不同的接口。解析PDF的时候，有些文字解析是乱码，搜索不到是正常的。你可以用多个解析PDF的API。然后选择出比较好的。
kexzcle 2010-01-05
lzj0470 写道
可以统一。不同的文档格式，实现不同的接口。解析PDF的时候，有些文字解析是乱码，搜索不到是正常的。你可以用多个解析PDF的API。然后选择出比较好的。


我现在是在web3.0中 不同格式分别解析创建索引

但是PDF这块 PDFBOX是用不了啦，现在正看XPDF解析PDF然后创建索引呢！并且在PPT、html用POI解析时，PPT报错，HTML字体变化就查询不出来

请求指教！！
lzj0470 2010-01-05
我PPT没搞过。什么html字体变化？查询跟字体变化有关系?不太明白你的意思
kexzcle 2010-01-14
lzj0470 写道
我PPT没搞过。什么html字体变化？查询跟字体变化有关系?不太明白你的意思

不好意思，前几天出差来的，查询时没关系，是用POI解析html后创建索引中，应该是解析问题，字体格式有的解析不过去可能，查询就查不到，请问你有相关的小程序么lucene的。我的邮箱kexzclee@163.com QQ:15036273
希望可以请教下。。
kexzcle 2010-01-14
collonn 写道
好多解析开源代码都还没有跟上lucene3.0，不如你用lucene2.9吧，至少有3.0有几呼所有新方法，但还没抛弃以前的旧方法。至少这也是个办法。升级也好点吧


2.9中解析PDF也会遇到相同问题。请问你有相关的程序或代码么。。
有的话 加我Q15036273 或 邮箱kexzclee@163.com

谢谢
TonyLian 2010-01-14
我觉得，不必用：
Document doc = LucenePDFDocument.getDocument( file );

仅仅用PDFBOX给解析出文本就可以了，如何建Field还是自己来吧。

LZ的另一个帖子我也回了，那里面写了方法。
发表回复
Global site tag (gtag.js) - Google Analytics