如何在Lucene FrenchAnalyzer中将最小长度设置为3？

Question

我不知道如何在Java中创建的Lucene法文分析器中将最小字符长度设置为3：

private final FrenchAnalyzer analyzer = new FrenchAnalyzer();

有人知道该怎么做吗？

谢谢，克里斯托夫

Answer 1

FrenchAnalyzer被声明为final，因此无法扩展。我将通过复制源并将LengthFilter添加到副本来解决此问题。

步骤如下（假设您使用的是最新版本的Lucene）：

1）从GitHub LengthFilter获取源类的副本。

2）适当地重命名该类（例如here），并相应地更改该类的所有构造函数。

3）添加以下导入：

CustomFrenchAnalyzer

4]在import org.apache.lucene.analysis.miscellaneous.LengthFilter; 和createComponents方法中，添加新的长度过滤器。例如，假设您要根据您的问题删除少于3个字符的单词：

normalize

也对

@Override
protected TokenStream normalize(String fieldName, TokenStream in) {
    TokenStream result = new ElisionFilter(in, DEFAULT_ARTICLES);
    result = new LowerCaseFilter(result);
    // the following line is added:
    result = new LengthFilter(result, 3, 9999);
    return result;
}

方法也做同样的事情。

这样，您的自定义类将自动利用法语分析器中内置的其他功能：

• 法国省略号过滤器
• 默认设置为法语createComponents（与Lucene JAR捆绑在一起。）
• 依此类推。

并且可以使用分析器的任何非空构造函数来构造它，如果需要。

如果您使用的不是Lucene的兼容版本，则必须跟踪相关的Git分支，或从Lucene stop-words下载源JAR并从那里获取源。

希望有所帮助。