2
我正在使用Lucene.Net創建一個網站來搜索存儲爲PDF的書籍，文章等。例如，我需要能夠根據作者姓名過濾搜索結果。這可以用Lucene完成嗎？或者我需要一個數據庫來存儲每個文檔的過濾字段？Lucene.NET搜索過濾器
另外，索引我的文檔的最佳方式是什麼？我將有大約50個文件開始，並定期我將不得不添加一堆文件到索引 - 可能是通過網絡表單。我應該使用數據庫來存儲文檔路徑嗎？
謝謝。
A
回答
2
下面是你需要做IMO什麼列表：從PDF
- 提取原始文本 - 請this question其用於此目的的建議iTextSharp。
- 對於每個PDF文檔，創建一個Lucene.net文檔，其中包含幾個字段：作者，標題，文檔文本以及任何要搜索的內容。建議每個文檔還有一個唯一的ID字段。我建議你還將原始PDF文檔的路徑存儲在一個字段中。
- 索引所有文檔後，您將擁有一個可以按字段搜索的Lucene索引。
- 您可以通過重複步驟2來添加新文檔。脫機更容易 - 增量更新非常困難。
2
Lucene有幾個不同的分析器，可以清理噪聲並做「干擾」，當您想要進行全文搜索時這很有幫助，但您仍然需要將PDF本身存儲在某處。 Lucene.Net很高興在文件系統上建立一個索引，並且你可以添加一個字段到它構建的文檔中，這個文檔的路徑叫做「PATH」。
優秀的答案，謝謝你簡化它。那麼，根本就不需要數據庫？如果我要脫機執行第2步，並說我讓我的用戶添加文檔，是否有助於將所有請求發送到數據庫，然後我可以有一個單獨的進程索引尚未編入索引的進程，並使用主鍵ID作爲索引中的唯一ID？你認爲有一個數據庫是有道理的嗎？如果將來我決定爲每個文檔提供一些「相關信息」或類似的內容，那麼數據庫會有幫助嗎？ – Prabhu 2009-10-22 17:33:50
如果您需要數據庫功能（如連接或複雜選擇），則需要一個數據庫。本文：http：//www.lucidimagination.com/Community/Hear-from-the-Experts/Articles/Search-Engine-versus-DBMS解決了在數據庫中放置什麼與在搜索中放置什麼的問題發動機。數據庫可能是您需要顯示的其他信息的正確位置，而不是搜索。 – 2009-10-22 18:51:00