Lucene doc 文件格式详解

本文及后面关于Lucene的文章所采用的lucene 版本为8.1.0.

doc 文件主要用于保存term的倒排表信息，包括docId倒排链及term在docId的term freq信息等。倒排链是Lucene 进行全文检索的核心数据结构，请特别关注这个数据结构

请参考 Lucene tim文件格式详解 第三部分

文件头部分主要内容为标识此文件类型为 Lucene50PostingsWriterDoc , 源码部分在 Lucene50PostingsWriter 的123行，主要内容如下

开始本部分阅读时，请注意一个在第3部分兆虚得到的结果及含义, 现族茄燃在开始分析该部分内容

下面为term的doc信息。 主要逻辑是: 对于term的doc freq = 1的term来说，纳档doc文件不保存这个term的doc信息，而是在 tim 文件中保存，doc 文件只保存doc freq >1的term。在范例中，只有nice的doc freq >1, 故只保存nice的doc倒排链

关于其它term(term freq = 1)的编码方式，请参考 tim 文件相应的格式内容

footer区主要有以下内容

1.新建项目

2.添加头文件

找到在ProcessDB安装目录下的include文件夹下的头文件余扮，名称如下：

添加到我们新建的项目的头文握毁启件中

如果头文件引用不到，请在visio studio中，点击项目——属性，点击C/C++——常规，附加包含目录——编辑，将包含找不到的源文段如件（头文件）的文件夹添加到附加包含目录中。

---