• 文档（document）：索引和搜索时使用的主要数据载体，包含一个或多个存有数据的字段。
  • 字段（field）：文档的一部分，包含名称和值两部分。
  • 词（term）：一个搜索单元，表示文本中的一个词。
  • 标记（token）：表示在字段文本中出现的词，由这个词的文本、开始和结束偏移量以及类

型组成。

倒排索引

  • 不同于关系型数据库中表的处理方式，倒排索引建立索引中词和文档之间的映射。你可以把倒排索引看成这样

一种数据结构，其中的数据是面向词而不是面向文档的。

分词器

  • 分析的工作由分析器完成，它由一个分词器（tokenizer）和零个或多个标记过滤器（token filter）

组成，也可以有零个或多个字符映射器（character mapper）。

  • Lucene中的分词器把文本分割成多个标记，基本就是词加上一些额外信息，比如该词在原始

文本中的位置和长度。分词器的处理结果称为标记流（token stream），它是一个接一个的标记，
准备被过滤器处理。

  • 小写过滤器（lowercase filter）：把所有的标记变成小写。
  • 同义词过滤器（synonyms filter）：基于基本的同义词规则，把一个标记换成另一个同义的

标记。

  • 多语言词干提取过滤器（multiple language stemming filter）：减少标记（实际上是标记中

的文本部分），得到词根或者基本形式，即词干。

索引和查询

索引应该和查询词匹配。如果它们不匹配，Lucene 不会返回所需文档。比如，你在建立索引时使用了词干提取和小写，
那你应该保证查询中的词也 必须是词干和小写，否则你的查询不会返回任何结果。重要的是在索引和查询分析时，对所用标
记过滤器保持相同的顺序，这样被分析出来的词是一样的。