問題描述

我的目標(biāo)是利用 Lucene 的許多標(biāo)記器和過濾器來轉(zhuǎn)換輸入文本，但不創(chuàng)建任何索引.

My objective is to leverage some of Lucene's many tokenizers and filters to transform input text, but without the creation of any indexes.

例如，給定這個(gè)(人為的)輸入字符串...

For example, given this (contrived) input string...

" 某人的 - [texté] 在這里，foo ."

...還有像這樣的 Lucene 分析器...

...and a Lucene analyzer like this...

Analyzer analyzer = CustomAnalyzer.builder()
        .withTokenizer("icu")
        .addTokenFilter("lowercase")
        .addTokenFilter("icuFolding")
        .build();

我想得到以下輸出:

某人的文本在這里 foo

下面的 Java 方法可以滿足我的需求.

The below Java method does what I want.

但有沒有更好(即更典型和/或更簡潔)的方式讓我這樣做?

我特別想的是我使用 TokenStream 和 CharTermAttribute 的方式，因?yàn)槲乙郧皬奈聪襁@樣使用過它們.感覺很笨重.

I am specifically thinking about the way I have used TokenStream and CharTermAttribute, since I have never used them like this before. Feels clunky.

代碼如下:

Lucene 8.3.0 導(dǎo)入:

Lucene 8.3.0 imports:

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.TokenStream;
import org.apache.lucene.analysis.tokenattributes.CharTermAttribute;
import org.apache.lucene.analysis.custom.CustomAnalyzer;

我的方法:

private String transform(String input) throws IOException {

    Analyzer analyzer = CustomAnalyzer.builder()
            .withTokenizer("icu")
            .addTokenFilter("lowercase")
            .addTokenFilter("icuFolding")
            .build();

    TokenStream ts = analyzer.tokenStream("myField", new StringReader(input));
    CharTermAttribute charTermAtt = ts.addAttribute(CharTermAttribute.class);

    StringBuilder sb = new StringBuilder();
    try {
        ts.reset();
        while (ts.incrementToken()) {
            sb.append(charTermAtt.toString()).append(" ");
        }
        ts.end();
    } finally {
        ts.close();
    }
    return sb.toString().trim();
}

推薦答案

我已經(jīng)使用這個(gè)設(shè)置幾個(gè)星期了，沒有問題.我還沒有找到更簡潔的方法.我認(rèn)為問題中的代碼是可以的.

I have been using this set-up for a few weeks without issue. I have not found a more concise approach. I think the code in the question is OK.

這篇關(guān)于在沒有索引的情況下使用 Lucene Analyzer - 我的方法合理嗎?的文章就介紹到這了，希望我們推薦的答案對大家有所幫助，也希望大家多多支持html5模板網(wǎng)！