Lucene 7.x中CustomScoreQuery使用及getTermVector返回Null问题求助

嘿，我刚看完你的问题，正好之前也踩过Lucene词向量的坑！你遇到的getTermVector返回null的问题，核心原因其实很明确——Lucene的TextField默认是不存储词向量（Term Vectors）的，所以你就算索引了文档，也没法直接通过getTermVector拿到数据。下面给你一步步解决的办法：

1. 先确认问题根源 #

官方Demo里的IndexFiles是用new TextField("contents", reader)来创建内容字段的，而TextField的默认行为是：只做分词索引，不存储字段内容，也不存储词向量。所以你后续在自定义评分器里调用getTermVector自然会返回null。

2. 调整索引流程：开启词向量存储 #

要解决这个问题，你需要修改IndexFiles里创建contents字段的逻辑，手动指定字段类型并开启词向量存储。具体步骤如下：

在IndexFiles的indexDocs方法里，替换原来创建TextField的代码，改成自定义FieldType：

// 替换原来的 TextField 创建逻辑
FieldType contentFieldType = new FieldType(TextField.TYPE_NOT_STORED);
contentFieldType.setStoreTermVectors(true); // 开启词向量存储
contentFieldType.setStoreTermVectorPositions(true); // 如果需要位置信息可选开启
contentFieldType.setStoreTermVectorOffsets(true); // 如果需要偏移量可选开启
contentFieldType.freeze(); // 冻结字段类型，防止后续修改

// 创建字段时使用这个自定义类型
Document doc = new Document();
doc.add(new Field("contents", reader, contentFieldType));

修改完成后，重新执行索引构建，然后用Luke工具查看索引：找到contents字段的属性，应该能看到Term Vectors已经标记为Yes了。这时候再运行你的CountingQuery，getTermVector就不会返回null了。

3. 替代方案：无需词向量获取文档词项信息（可选） #

如果你因为某些原因不想重新构建索引，也可以通过LeafReader直接访问倒排表来获取单个文档的词项信息，不过这种方式相对复杂一点。示例代码如下（在你的customScore方法里修改）：

public float customScore(int doc, float subQueryScore, float valSrcScores[]) throws IOException {
    LeafReader reader = context.reader();
    // 获取contents字段的倒排表迭代器
    Terms terms = reader.terms("contents");
    if (terms != null) {
        TermsEnum termsEnum = terms.iterator();
        PostingsEnum postingsEnum = null;
        BytesRef term;
        while ((term = termsEnum.next()) != null) {
            postingsEnum = termsEnum.postings(postingsEnum, PostingsEnum.FREQS);
            // 查找当前doc的词频
            if (postingsEnum.advance(doc) == doc) {
                int freq = postingsEnum.freq();
                // 这里可以处理词频逻辑
                System.out.println("Term: " + term.utf8ToString() + ", Freq: " + freq);
            }
        }
    }
    return 1.0f;
}

不过这种方式是遍历字段的所有词项，再检查当前文档是否包含该词项，性能上不如直接用词向量高效，所以如果可以重新构建索引的话，还是优先选择第一种方案。

内容的提问来源于stack exchange，提问作者S.Wagner