Поиск единственных терминов полей с Lucene (PyLucene)

Question

Я довольно новичок в векторах векселей Lucene - и хочу, чтобы мой срок сбора был столь же эффективным, насколько это возможно. Я получаю уникальные термины, а затем извлекаю docFreq() этого термина для выполнения огранки.

Я собираю все документы термины из индекса с помощью:

lindex = SimpleFSDirectory(File(indexdir)) 
ireader = IndexReader.open(lindex, True) 
terms = ireader.terms() #Returns TermEnum 

Это прекрасно работает, но есть способ вернуть только условия для конкретных областей (во всех документах) - было бы не то, что будет более эффективным?

Такие, как:

ireader.terms(Field="country") 

Answer 1

IndexReader.terms() принимает объект необязательное поле(). Объекты поля состоят из двух аргументов: Имя поля и Значение, которое lucene вызывает «Поле времени» и «Текст терминов».

Предоставляя аргумент поля пустое значение для «текста терминов», мы можем начать нашу терминологическую итерацию в том термине, о котором мы говорим.

lindex = SimpleFSDirectory(File(indexdir)) 
ireader = IndexReader.open(lindex, True) 
# Query the lucene index for the terms starting at a term named "field_name" 
terms = ireader.terms(Term("field_name", "")) #Start at the field "field_name" 
facets = {'other': 0} 
while terms.next(): 
    if terms.term().field() != "field_name": #We've got every value 
     break 
    print "Field Name:", terms.term().field() 
    print "Field Value:", terms.term().text() 
    print "Matching Docs:", int(ireader.docFreq(term)) 

Надеемся, что другие пользователи, которые ищут, как выполнить огранку в PyLucene, увидят, что столкнулись с этим сообщением. Ключ - это индексирование терминов как есть. Просто для полноты это то, как значения поля должны индексироваться.

dir = SimpleFSDirectory(File(indexdir)) 
analyzer = StandardAnalyzer(Version.LUCENE_30) 
writer = IndexWriter(dir, analyzer, True, IndexWriter.MaxFieldLength(512)) 
print "Currently there are %d documents in the index..." % writer.numDocs() 
print "Adding %s Documents to Index..." % docs.count() 
for val in terms: 
    doc = Document() 
    #Store the field, as-is, with term-vectors. 
    doc.add(Field("field_name", val, Field.Store.YES, Field.Index.NOT_ANALYZED, Field.TermVector.YES)) 
    writer.addDocument(doc) 

writer.optimize() 
writer.close()