Re: [sdx-developers] Conservation des nombres dans la recherche plein-texte

[Pierrick Brihaye]

Salut,

Pierre Dittgen a écrit:

> Je travaille actuellement sur une application SDX où la recherche des 
> chiffres et des nombres dans le plein-texte est une fonctionnalité 
> importante. Hors, chiffres et nombres ne sont par défaut pas indexés par 
> SDX (en mode word), me trompe-je ?

Euh... plus compliqué : en "word", tout dépend de l'analyseur. Et le 
choix de l'analyseur *peut* dépendre de la langue.

> J'ai regardé un peu plus le code Java des analyseurs. Dans le 
> DefaultAnalyser, on utilise comme analyseur lexical la classe 
> LowerCaseTokenizer de Lucene. Hors celle-ci hérite de la classe 
> LetterTokenizer qui ne prend en compte que les lexemes de type mots 
> (composés de lettre), c'est cela ?

Oui. Tu as peut-être plutôt intérêt à écrire ton propre CharTokenizer
http://jakarta.apache.org/lucene/docs/api/org/apache/lucene/analysis/CharTokenizer.html

... ou à utiliser un WhiteCharAnalyzer qui, lui, laisse peut-être passer 
trop de choses :-)

Voir en tout cas :
http://cvs.apache.org/viewcvs.cgi/jakarta-lucene/src/java/org/apache/lucene/analysis/

> Si je voulais prendre en compte les chiffres dans l'analyse, il faudrait 
> que je remplace l'utilisation de la classe LowerCaseTokenizer par la 
> classe StandardTokenizer

Euh... ton standard tokenizer est normalement généré par un fichier .jj. 
Si tu t'en sens capable... n'hésite pas :-)

A+

--
Pierrick Brihaye, informaticien
Service régional de l'Inventaire
DRAC Bretagne
mailto:address@hidden
+33 (0)2 99 29 67 78