如何在Lucene中从文档术语向量中获取位置？

Question

我需要遍历Lucene索引中的所有文档，并获取每个术语在每个文档中出现的位置。据我从Lucene javadoc中了解，实现这一点的方法是执行以下操作：

IndexReader ir = obtainIndexReader();
Terms tv = ir.getTermVector( doc, field );
TermsEnum terms = tv.iterator();
PostingsEnum p = null;
while( terms.next() != null ) {
    p = terms.postings( p, PostingsEnum.ALL );
    while( p.nextDoc() != PostingsEnum.NO_MORE_DOCS ) {
        int freq = p.freq();
        for( int i = 0; i < freq; i++ ) {
            int pos = p.nextPosition();   // Always returns -1!!!
            BytesRef data = p.getPayload();
            doStuff( freq, pos, data ); // Fails miserably, of course.
        }
    }
}

然而，尽管（1）该索引确实包括相关字段上的位置，并且（2）术语向量声称具有位置（即：tv.hasPositions() == true），但我在所有位置上仍然得到“-1”。

首先，我是否做错了什么？ 有没有其他按文档迭代过程中的帖子的替代方法？ 其次：究竟发生了什么？ 索引包含位置，由getTermVector返回的Terms实例声称包括位置，并且我在Luke中查看正确的位置值，但是当我尝试在代码中访问这些值时，我仍然得到-1。 怎么办？

编辑：相关字段使用以下选项配置：

    FieldType ft = new FieldType();
    ft.setIndexOptions( IndexOptions.DOCS_AND_FREQS_AND_POSITIONS_AND_OFFSETS );
    ft.setStoreTermVectors( true );
    ft.setStoreTermVectorOffsets( true );
    ft.setStoreTermVectorPayloads( true );
    ft.setStoreTermVectorPositions( true );
    ft.setTokenized( true );
    return ft;

- jtatria

---

事实证明，错误是由于缓存和重用PostingsEnum时的一些不相关错误引起的，因此jpountz的答案是正确的，我做错了。在这种情况下应该怎么办？删除这个问题吗？ - jtatria

Answer 1

您在索引时是否设置了FieldType.setStoreTermVectorPositions(true)？http://lucene.apache.org/core/5_5_0/core/org/apache/lucene/document/FieldType.html#setStoreTermVectorPositions(boolean)

- jpountz

---

的确如此，我会将FieldType配置添加到问题中。 - jtatria

Answer 2

我试过你的代码，它运行正常。
你是否正确地将FieldType添加到文档中？
我是这样做的：

Field ff = new Field("name", "value", ft);
document.add(ff);

- Vulcan

---

谢谢您的回答，但是事实证明我犯了一个不相关的错误。请看我上面的评论。 - jtatria