• config.xml配置文件
• schema.xml文件
• 自定义参数文件

config.xml配置文件

config.xml是一个标准的XML文件，编码方式是UTF-8，是系统默认参数配置文件，当没有提供自定义参数文件时系统采用该文件提供的各个参数值，包含分析器(analyzer)参数,索引（index） 参数，索引合并（indexmerge）参数和程序运行记录（log）参数等。

analyzer.stopwordfile ：停用词文件位置，如果名称为"stopword.stf"，则系统自动在目录"程序目录\data"下查找，否则必须指明停用词文件的绝对位置。

index.memory： 建立索引时使用的内存缓冲大小，以字节为单位，增加此值可以提高建索引速度，但是超过机器的物理内存大小可能会适得其反。

index.maxIndexTerms： 单个文档最多索引的词总数，超过这个值的词讲自动丢弃。

indexmerge.maxIndexBarrels： 建立索引完毕时最多允许索引桶数目，一个索引桶就是一个相对独立的子索引，最少7个文件，最多“6＋3（词向量）＋索引字段数目”个文件。

indexmerge.mergeFactor： 索引合并因子，在合并过程中，每次将mergeFactor个索引桶并行合并成一个索引桶，mergeFactor越大中间合并层次越少，但是单个索引桶使用的内存越少。

log.level： 程序运行信息输出级别，可取：

default_level：系统默认，info，err，fatal，warn信息；
enable_all：输出所有信息；
disable_all：禁止输出所有信息；
fatal：只输出致命错误信息；
err：输出错误信息和fatal信息；
warn：输出警告信息，err，fatal信息；
info：输出提示信息，warn，err，fatal信息；
dbg：输出调试信息，info，warn，err，fatal信息；
下图是config.xml样例。

注 ：config.xml是UTF-8编码,手工编辑此文件时请不要使用中文。

<?xml version="1.0" encoding="UTF-8" ?>
<config>
    <analyzer>
        <stopwordfile type="string"/>
    </analyzer>
    <index>
        <memory type="int64">28000000</memory>
        <maxIndexTerms type="int32">10000</maxIndexTerms>
    </index>
    <indexmerge>
        <maxIndexBarrels type="int32">50</maxIndexBarrels>
        <mergeFactor type="int32">3</mergeFactor>
    </indexmerge>
    <log>
        <level type="string">default_level</level>
    </log>
</config>

    先看一个样例：

<documentschema>
    <schemaitem>
        <name>URL</name>
        <type>none</type>
        <store>yes</store>
        <index>no</index>
        <termvector>no</termvector>
        <boost>1.0</boost>
    </schemaitem>
    <schemaitem>
        <name>AUTHOR</name>
        <type>word</type>
        <store>yes</store>
        <index>analyze</index>
        <termvector>no</termvector>
        <boost>2.0</boost>
    </schemaitem>
    <schemaitem>
        <name>PUBLISHTIME</name>
        <type>date</type>
        <store>yes</store>
        <index>unanalyze</index>
        <termvector>no</termvector>
        <boost>1.0</boost>
    </schemaitem>
<documentschema> 

样例中定义了3个字段：URL、AUTHOR和PUBLISHITIME，一个字段由schemaitem标签表示，包含：

    name：字段名称；

    type：字段类型，目前可取none，word，date值，分别表明这是一个匿名字段，正文字段和时间日期字段，如果没有指定则默认取none；

    store：字段存储方案，可取no，yes，compress，分别表示字段不存储，存储和压缩存储，如果没有指定则默认取no；

    index：字段索引方案，可取no，analyze和unanalyze，分别表示字段不索引，分析并索引，不分析但索引，如果没有指定则默认取no；

    termvector：字段的词向量方式，可取no，sequence，freq，position，分别表示不建立词向量，建立词序列，词和词频，词、词频和词位置类型的词向量，如果没有指定则默认取no；

    boost：字段的提升值，值越大，表明这个字段越重要，可以提高字段的检索结果打分，如果没有指定则默认取1.0；

    collection.identifier：字符串类型，指明需要建索引的文档集类型，目前可取：
        directory：文档集是一个目录；
        filelist：文档集由一个文件说明，该文件每行存放一个待索引文件的绝对路径；
        trec：是一个trec格式的文档集，具体可参加trec格式说明；
        firtex：文档集是一个firtex格式的文档集，参见firtex格式文档集一节；

    collection.modifieddate：可选参数，指明是否需要索引或存储文档集中文件的修改日期，包含三个参数：
        field：字符串类型，指定修改日期的字段名；
        store：bool类型，指明该字段是否需要存储，取false或true；
        index：bool类型，指明该字段是否需要索引，可取false或true
    store和index必须有一个取true值，如果均为false，则忽略modifieddate的所有参数值。

    parser.identifier：字符串类型，指明建立索引所用的文件解析器，目前可取
        plainparser：解析纯文本文档；
        htmlparser：解析HTML文档；
        pdfparser：解析PDF文档；

    parser.termvectors：可选参数，设置需要建立前向索引（即词向量）的字段属性，包含一个或多个termvector标签，每一个termvector标签设置一个字段。
        termvector.field：字符串类型，字段名称；
        termvector.mode：字符串类型，字段的前向索引类型，可取sequence，freq和position，详细信息见前文。

    analyzer.identifier：字符串类型，指定分析文件内容的分析器，即分词，目前取值chineseanalyzer

    analyzer.stopwordfile：可选参数，停用词文件，详细说明见"config.xml配置文件"一节。

    index.srcfile：待索引文档集绝对路径。

    index.dstindex：索引存储位置。

    index.append：建立增量索引(true)或者创建新索引(false)。

    index.mergemode：索引合并方式，可取值：
        no：不合并,最终存在多个子索引，这样有利于后续增量索引操作，但是降低检索性能，如果超过文件系统打开文件句柄数目索引将不可检索；
        merge：根据设定的索引合并参数部分合并索引，最终可能存在1个或多个子索引，具体数目由合并参数决定，同样有利于后续增量索引操作；
        optimize：进行索引优化，最终仅生成单个子索引，不利于后续增量索引操作，但是能提高检索性能；

    index.memory：
    index.maxIndexTerms：
    indexmerge.maxIndexBarrals：
    indexmerge.mergeFactor：
    log.level：
    可选参数，同config.xml文件中参数，如果值与config.xml中设定的值不一致，则自动使用此参数值；