Lemur在尝试索引文件时出现格式错误的文档错误

Question

我在这里浏览了一些lemur索引教程：

http://www.lemurproject.org/tutorials/begin_indexing-1.php

我创建了一个“语料库”文件夹，其中包含一个文档，其中包含看似格式正确的文件：

<DOC>
<DOCNO>1</DOCNO>
<TEXT>
    Here is some text
</TEXT>
</DOC>

并创建了以下配置文件：

<parameters>
  <corpus>
    <path>C:\Users\Tristan\Documents\lemur\corpus</path>
    <class>trectext</class>
  </corpus>
  <memory>256m</memory>
  <index>C:\Users\Tristan\Documents\lemur\index</index>
</parameters>

但是，当我运行以下命令时：

IndriBuildIndex.exe C:\Users\Tristan\Documents\lemur\config\parameter.xml

我得到了一个神秘的异常：

0:00: Opened repository C:\Users\Tristan\Documents\lemur\index
0:00: Opened C:\Users\Tristan\Documents\lemur\corpus\1
0:00: Error in C:\Users\Tristan\Documents\lemur\corpus\1 : .\src\TaggedDocumentI
terator.cpp(213): Malformed document: C:\Users\Tristan\Documents\lemur\corpus\1
0:00: Closing index
0:00: Finished

我查看了源代码中的相关函数，但没有什么特别的东西引起我的注意。有什么想法吗？

Answer 1

我最终将我的文档文件保存为unix格式，并且它工作了。然而，请注意，由于某些原因，手动修复行尾不起作用，所以windows向文件中添加了一些lemur不喜欢的东西。