Lucene4.3开发之插曲之烽火连城

本文主要是介绍Lucene4.3开发之插曲之烽火连城，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

[b][color=red][size=x-large]转载请注明，原创地址，谢谢配合!
[url]http://qindongliang1922.iteye.com/blog/1938234[/url]
[/size][/color][/b]


[b][color=green][size=x-large]上次散仙给大家总结了Lucene中，一些常用Filter的用法和例子，今天，我们在来看下不在Filter家族中的一个特殊的filter，属于Lucene捐赠模块的特殊包中的类DuplicateFilter，这个filter的作用是用来对某个字段进行去重操作的，类似数据库中的Distinct关键字，可以实现对某个列的结果集去重，这个去重的字段，一般情况下是不建议分词的，因为分词后，可能去重效果不准确.[/size][/color][/b]


[b][color=green][size=x-large]举个例子，来说明分词后去重，会造成什么情况，假如我们的索引name一列中有中国，和伟大的中国，那么就对这个name列去重后，就会发现lucene只保留了伟大的中国这个字段，为什么呢？因为切词后伟大的中国会被分成伟大|的|中国，进行去重时，Lucene认为中国是重复的，而伟大的中国是不重复的，又因为伟大的中国里包含中国，所以最后的结果就会只保留伟大的中国，而没有中国。所以无论使用这个过滤器去重，还是使用grouping或fact去重，大多数情况下操作的字段是不能分词的，这一点需要注意！[/size][/color][/b]


[b][color=green][size=x-large]下面我们来具体看下DuplicateFilter这个特殊的过滤器，怎么使用。在这之前我们先来看下我们简单的测试数据.[/size][/color][/b]

name===typea===>中国a===>法国b===>中国c===>英国d===>英国b===>英国

[b][color=green][size=x-large]分别对对name和type去重后的效果(注意一次只能去重一个字段)[/size][/color][/b]

acdb

法国中国英国

[b][color=green][size=x-large]下面给出具体的代码实现，需要额外导入的包[/size][/color][/b]

org.apache.lucene.sandbox.queries

[b][color=green][size=x-large]核心代码[/size][/color][/b]

            //群交流 324714439            //String field="name";		              String field="type";				  DuplicateFilter filter=new DuplicateFilter(field);//去重过滤				  Query q=new MatchAllDocsQuery();//对所有结果去重				  TopDocs s=search.search(q, filter, 100);

[b][color=olive][size=x-large]可以看出，核心的代码量很少，却可以高效的完成去重工作，去重技术在我们的实际运用中也是一项很常用的技术，有时候我们可能只需要查看不重复的记录，而没有一些类似统计的功能，如果需要去重并统计个数，那么就需要使用分组功能或分面功能了,当然，如果我们只需要简单的对字段去重，那么就可以使用DuplicateFilter简洁高效的来完成这项任务。[/size][/color][/b]


[b][color=red][size=x-large]转载请注明，原创地址，谢谢配合!
[url]http://qindongliang1922.iteye.com/blog/1938234[/url]
[/size][/color][/b]

这篇关于Lucene4.3开发之插曲之烽火连城的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---