使用PythonTokenStream的PyLucene自定义TokenStream

Question

我正在尝试从Python序列构建一个TokenStream。只是为了好玩，我希望能够将我自己的令牌直接传递给

pylucene.Field("MyField", MyTokenStream)

我试着把"MyTokenStream“写成...

terms = ['pant', 'on', 'ground', 'look', 'like', 'fool']
stream = pylucene.PythonTokenStream()
for t in terms:
  stream.addAttribute(pylucene.TermAttribute(t))

但不幸的是，"TermAttribute“的包装器并不存在，也不存在lucene中的任何其他Attribute类，因此在调用它们时，我会得到一个NotImplemented错误。

这不会引发异常--但我不确定它是否设置了条件。

PythonTokenStream(terms)

Answer 1

Python*类旨在通过子类化来自定义行为。在使用TokenStream的情况下，需要覆盖incrementToken方法。

class MyTokenStream(lucene.PythonTokenStream):
    def __init__(self, terms):
        lucene.PythonTokenStream.__init__(self)
        self.terms = iter(terms)
        self.addAttribute(lucene.TermAttribute.class_)
    def incrementToken(self):
        for term in self.terms:
            self.getAttribute(lucene.TermAttribute.class_).setTermBuffer(term)
            return True
        return False

mts = MyTokenStream(['pant', 'on', 'ground', 'look', 'like', 'fool'])
while mts.incrementToken():
    print mts

<MyTokenStream: (pant)>
<MyTokenStream: (on)>
<MyTokenStream: (ground)>
<MyTokenStream: (look)>
<MyTokenStream: (like)>
<MyTokenStream: (fool)>

还可以存储addAttribute的结果，从而消除了对getAttribute的需要。我的lupyne项目就有一个这样的example。