Question

请问一下Lucene对文档内容建立索引后是否将文档存储？

请问一下Lucene对文档内容建立索引后是否将文档存储？当进行搜索时，是搜索时是否还需要去搜索原文档？

Answer 1

Lucene搜索时都是搜索的索引库，并不搜索原文档。

在索引时，Lucene首先将文档内容进行分词，然后做成倒排索引，搜索是搜索该倒排索引。

建立索引时，可以针对每个字段（域）进行不同的索引设置，可设置是否分词？是否存储？以及使用到的分词器。此处设置的是否存储是指该字段（域）是否作为一个整体保留（不分词）。

例如：文档一：”巴西世界杯很好看！“
在索引时，如果是分词索引，则：
巴西/世界杯/很/好看
如果搜索世界杯，则文档一就会被搜索出来，在索引中保存的是巴西/世界杯/很/好看 这样的分词。
如果索引时除了分词之外还存储该字段（域），则：
巴西/世界杯/很/好看/巴西世界杯很好看
可以看出，索引中 将文档一的所有内容作为一个分词，搜索时必须输入整个字段内容才会搜索到

就想到这么多了，希望你能明白。

追问

你说这都很清楚！当对一篇文档做完索引后，我将这篇文档删除过后，但是再进行搜索时，还能够搜索关键字时还能够搜索出全文，我就不知道这文档是否在Lucene内部有存储？如果有存储是以上面方式存储的？存储在什么地方？
例如：你上面所说的“文档一”，当我对它建立完索引后就将它删除掉，但是搜索关键字时，还能将它搜索出来。

追答

索引中存储了每个分词（Term）的信息，这些信息包括该分词在哪篇文档的哪个位置出现过？一共出现了多少次？ 所以，即使你删除掉了原文档，单纯利用索引库也是可以重建原文档的（这里指的是重建原文档的文本信息），所以，删除掉原文后能搜索出“文档一”的内容，但你看到的内容是根据索引库重建的数据（这里是指摘要），跟原文无关。

这里推荐你看一下《Lucene原理及代码分析》这个文档，搜一下就能有。里面具体讲了Lucene索引中是怎样存储正向信息和反向信息的。