从XML创建Lucene文档

Question

我有一个XML文档，我想索引它到一个Lucene索引。 即

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

我希望有一个字段（hello.world:"hi“）的文件（指定分析仪）

我是否存在任何工具总是可以分析，但我想知道自动生成它？

Answer 1

是的，有一个“工具”（实际上是一个完整的数据库服务器），它会自动执行此操作：eXist。如果正确配置，这可以让你喜欢

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

分析仪在每个文档集合的配置文件中指定的混合XQuery和Lucene的全文查询。

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两年后，我想补充一点，它的Lucene集成并不完美。对于简单的查询，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，查询优化器看起来会感到困惑，并且您可能会得到错误的结果或可怕的性能。也许eXist 2.0已经修复了一些，YMMV。