【问题标题】：When to use custom fields in Lucene何时在 Lucene 中使用自定义字段
【发布时间】：2017-03-27 16:11:26
【问题描述】：

我正在构建一个使用 Lucene 构建特定领域数据的搜索引擎。 Lucene 显然是强大且可定制的。最初我创建了自己的字段类型并使用了这些类型，但后来我得到了 0 次点击，所以我阅读了 this 并发现我应该使用文本字段。我的一个字段是日期，另一个是低基数类别。我查看了Field 的设置器，无法弄清楚StringField 和TextField 暗示了什么以及我应该如何看待它们。我应该为非严格的文本字段使用自定义字段类型吗？

【问题讨论】：

你用的是哪个版本的lucene？
@PhilippLudwig 6.5.0

标签： java indexing lucene

【解决方案1】：

文本字段和字符串字段

TextField 和 StringField 之间的区别隐藏在 FieldType 类中。 FieldType 允许您使用自定义属性定义字段，如下所示：

FieldType type = new FieldType();
type.setTokenized(true);
type.setStoreTermVectors(true);
...
document.add(new Field("fieldName", someString, type));

因此，这两个类都从Field 扩展并设置了不同的字段类型。这变得更加混乱，因为字段类型根据字段是否存储而有所不同。（来源：Lucene 6.5源码）

什么时候用什么

简而言之：

使用 StringField 获取 ID、URL 等信息，这些信息不需要某些分析器进行任何标记、词干提取或其他处理。
使用TextField 获取需要此处理的信息，例如文档的标题或内容。
对于必须存储在索引中的任何其他内容，请使用StoredField。

数字字段

查看documentation，我们可以看到除了Field、StringField 和TextField 类型之外，lucene 主要提供数字“点”。点的工作方式类似于字段，因为它们被索引但不被存储（参见上面的StoredField）。

对于您的日期，我建议使用LongPoint 来存储时间戳，例如：

document.add(new LongPoint("date", someCalendar.getTimeInMillis() / 1000));

稍后使用点将允许您使用LongPoint.newRangeQuery 执行范围查询，可用于在给定时间范围内检索文档，或将其用作现有查询的附加过滤器。

关于您的“低基数类别”，我不确定您的意思，但如果它是一个数字，您可以使用IntPoint。

【讨论】：