运行官方demo时Lucene查询结果不正确
Lucene query result is not correct when running official demo
我尝试了 运行 IndexFiles 的 Lucene 官方演示，参数 -index . -docs . ，控制台打印包括 pom.xml 和 *.java 和 *.class 被添加到索引中。
然后我用参数 -index . -query "lucene AND main" 尝试 SearchFiles，控制台只打印 IndexFiles.class 和 SearchFiles.class 和 IndexFiles.java，但不打印 SearchFiles.java （我认为应该是搜索结果之一）。
您的搜索结果是正确的（至少 .java 个文件）。
示例代码使用了StandardAnalyzer which, in turn, uses the StandardTokenizer.
StandardTokenizer 使用 this document 中描述的规则将输入文本拆分为标记。例如，从该文档的第 4 节：
当源文件中有如下文本时
org.apache.lucene.analysis.Analyzer
这被标记为单个标记。没有单词边界。
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。
但是在 SearchFiles.java 源文件中，文本“lucene”只出现在诸如 org.apache.lucene.analysis.Analyzer 的文本中 - 因此从未创建单个标记 lucene。
因此，您的查询未在 IndexFiles.java 文档中找到任何匹配项，因为该查询完全匹配标记。两个源文件都包含“main”一词，但只有一个包含“lucene”一词。
对于.class文件，因为这些是编译后的字节码文件，我会说它们一开始就不应该被索引。 Lucene 使用文本文件，而不是二进制文件。是的，class 文件将包含文本片段，但它们通常也会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无法预测。
您可以使用 Luke 浏览索引数据 - 捆绑在二进制版本中：
我尝试了 运行 IndexFiles 的 Lucene 官方演示，参数 -index . -docs . ，控制台打印包括 pom.xml 和 *.java 和 *.class 被添加到索引中。
然后我用参数 -index . -query "lucene AND main" 尝试 SearchFiles，控制台只打印 IndexFiles.class 和 SearchFiles.class 和 IndexFiles.java，但不打印 SearchFiles.java （我认为应该是搜索结果之一）。
您的搜索结果是正确的（至少 .java 个文件）。
示例代码使用了StandardAnalyzer which, in turn, uses the StandardTokenizer.
StandardTokenizer 使用 this document 中描述的规则将输入文本拆分为标记。例如，从该文档的第 4 节：
当源文件中有如下文本时
org.apache.lucene.analysis.Analyzer
这被标记为单个标记。没有单词边界。
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。
但是在 SearchFiles.java 源文件中，文本“lucene”只出现在诸如 org.apache.lucene.analysis.Analyzer 的文本中 - 因此从未创建单个标记 lucene。
因此，您的查询未在 IndexFiles.java 文档中找到任何匹配项，因为该查询完全匹配标记。两个源文件都包含“main”一词，但只有一个包含“lucene”一词。
对于.class文件，因为这些是编译后的字节码文件，我会说它们一开始就不应该被索引。 Lucene 使用文本文件，而不是二进制文件。是的，class 文件将包含文本片段，但它们通常也会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无法预测。
您可以使用 Luke 浏览索引数据 - 捆绑在二进制版本中：