Was ist der beste Weg, um Text von der Wikipedia-Dump in Java zu suchen?

Question

Ich bin an der Suche nach bestimmten Sätzen mit einem Wortpaar aus Wikipedia dump interessiert. Ein Ansatz besteht darin, alle Dokumente nach dem Extrahieren der Dump-XML zu durchlaufen. Gibt es eine bessere Lösung?

Answer 1

Ich würde invertierten Index des Inhalts empfehlen. Sie könnten verwenden Lucene, Elastic Search, Solr usw.

Hier ist ein Beispiel Lucene Index mit: Wikipedia index using lucene