Lucene代码分析8

[email protected]

今天继续对Lucene中的Analysis进行分析

阅读的DotLucene版本是1.9.RC1

PyLucene基本工作原理
首先必须了解 PyLucene是如何实现的，其实 PyLucene 是在 Python 程序中嵌入了一个 JVM 来使用 Lucene，这个工作主要通过 JCC 来完成，JCC 编译 Lucene 源码为 C++，然后在 Python 中通过 JNI 进行调用。
现在我们希望在 Python 中扩展 Java 源码中的类，仍然要借助 JCC。

添加 Java 源码
假设我们要扩展 Lucene 中的类 A，首先要用 Java 写一个子类 PythonA 继承自 A，通常放在 org.apache.pylucene 里。示例代码如下：

package org.apache.pylucene.analysis;

import java.io.Reader;
import org.apache.lucene.analysis.Analyzer;

public class PythonAnalyzer extends Analyzer {

    private long pythonObject;

    public PythonAnalyzer()
    {
    }

    public void pythonExtension(long pythonObject)
    {
        this.pythonObject = pythonObject;
    }
    public long pythonExtension()
    {
        return this.pythonObject;
    }

    public void finalize()
        throws Throwable
    {
        pythonDecRef();
    }

    public native void pythonDecRef();

/*————————————————————分割线———————————————————————————*/

    @Override
    public native TokenStreamComponents createComponents(final String fieldName);

    @Override
    public native Reader initReader(String fieldName, Reader reader);
}

分割线以上除了构造函数以外不管扩展哪个类都必须这样写，分割线以下根据自己的需求来就好。方法最好用 public 来修饰，用 protected 可能会出错。
写好以后放到可以被 make 到的地方，当然最好放在 org.apache.pylucene 中，然后重新 make、make install。

在 Python 中扩展及遇到的问题

完成上面步骤后，在 Python 中直接继承 PythonA 就行，注意如果有 __init__() 的话，必须调用父类的构造方法。

遇到的问题：

1、Java 中 .class 的用法显然在 Python 中无法使用，而 getClass() 方法是通过对象来调用而不是类，可以考虑 Class.forName()，但是 Lucene 源码中的类使用 Class.forName() 可能找不到，最好使用 findClass() 方法。

>>> import lucene
>>> from lucene import findClass
>>> lucene.initVM(vmargs=['-Djava.awt.headless=true'])
>>> findClass('org/apache/lucene/document/Document')
    <Class: class org.apache.lucene.document.Document>
>>> Class.forName('org.apache.lucene.document.Document')
    Traceback (most recent call last):
    File "<stdin>", line 1, in <module>
    lucene.JavaError: java.lang.ClassNotFoundException: org/apache/lucene/document/Document
>>> Class.forName('java.lang.Object')
    <Class: class java.lang.Object>

2、Java源码中的父类 A 的变量在 Python 的子类中无法访问，可以在PythonA 的代码中添加 相应的 get 方法，提供访问接口。

3、关于处理 Java 中的数组，在 Python 中可以通过如下方式构造 Java 中的数组：

>>> array = JArray('int')(size)
    # the resulting Java int array is initialized with zeroes
>>> array = JArray('int')(sequence)
    # the sequence must only contain ints
    # the resulting Java int array contains the ints in the sequence

要把一个 Java 中的 char 数组转换为 Python 中的 str，只需要执行

''.join(array)

在 Python 中访问的话支持使用 [] 进行访问，可以修改元素内容，但无法改变数组大小。

4、Unicode 对象 s 转为 utf-8 ：

s.encode('utf-8')