我通过运行带有参数-index . -docs . 的IndexFiles 尝试了Lucene 官方演示，并将包括pom.xml 和*.java 和*.class 的控制台打印添加到索引中。
然后我用参数-index . -query "lucene AND main" 尝试了SearchFiles，控制台只打印IndexFiles.class 和SearchFiles.class 和IndexFiles.java，而不是SearchFiles.java（我认为它应该是搜索结果之一）。
【问题讨论】：
-query 标志运行演示时，我想您只会看到前10 个结果——是这样吗？在输出顶部附近应该有一行告诉您找到了多少匹配文档 - 那个数字是多少？
标签： lucene
您的搜索结果是正确的（至少对于 .java 文件）。
示例代码使用StandardAnalyzer，而后者又使用StandardTokenizer。
StandardTokenizer 使用this document 中描述的规则将输入文本拆分为标记。例如，来自该文档的第 4 节：
当您在源文件中有如下文本时
org.apache.lucene.analysis.Analyzer
这被标记为单个标记。没有单词界限。
查看IndexFiles.java源文件，有如下文字：
demonstrating simple Lucene indexing
这被标记为 4 个单独的标记。
但在SearchFiles.java 源文件中，文本“lucene”只出现在诸如org.apache.lucene.analysis.Analyzer 之类的文本中——因此从未创建过单个令牌lucene。
因此，您的查询在 IndexFiles.java 文档中没有找到任何匹配项，因为该查询与确切的标记匹配。两个源文件都包含单词“main”，但只有一个包含单词“lucene”。
对于.class 文件，因为这些是已编译的字节码文件，我想说它们不应该首先被索引。 Lucene 使用文本文件，而不是二进制文件。是的，类文件将包含文本片段，但它们通常也包含不可打印的控制字符，这些字符不适合被索引。我认为索引结果可能因此而无法预测。
您可以使用 Luke 浏览索引数据 - 它捆绑在二进制版本中：
【讨论】：