深入浅出 jackrabbit 六 文本提取（上)

核心提示： 额的神啊，啥都没有，深入浅出 jackrabbit 六 文本提取（上)(5)，就创建了一个LazyTextExtractorField类（还记得supportHighlighting参数吗，不记得的话再回头看看前面的文章），其实它是调用了，考虑到这里的reader是TextExtractorRe

额的神啊，啥都没有，就创建了一个LazyTextExtractorField类（还记得supportHighlighting参数吗，不记得的话再回头看看前面的文章），也就是说我们不得不再去看看LazyTextExtractorField这个类，但是我们有种感觉，快要看到我们想看到的东西了，这个继承实现了lucene中的AbstractField，结合上面的doc.add方法，我们可以想象得到，真正触发提取线程工作的应该是 lucene，lucene一定会调用LazyTextExtractorField类中的某个方法，以得到值，而这个时候，如果有文本提取的任务，那么应该会触发它，然后改方法先返回空字符串，把残缺版的document先加入索引中，等待提取完成后，再由前面提到的消费者把残缺版的document数据从索引中删除，再把完整版的document加入到索引中。

上面说到的索引时触发文本提取操作只是一种触发方式，通过阅读源代码，我们还可以发现第二种触发方式，那就是在AbstractIndex的 addDocument方法中，会判断，如果提取超过100ms，就把document拷贝一份，把copy的document加入到index中，然后把原始的document加入到indexingQueue队列中。这个时候，提取线程继续为这个原始的document执行提取操作。

那么我们先来看第一种触发，lucene触发，下面这个方法是LazyTextExtractorField中的方法，这个方法被lucene调用，用以分词, ahuaxuan已经在关键的代码中加入了注释：

Java代码　　　

public　String　stringValue()　{　
　　　　if　(extract　==　null)　{　
　　　　　　StringBuffer　textExtract　=　new　StringBuffer();　
　　　　　　char[]　buffer　=　new　char[1024];　
　　　　　　int　len;　
　　　　　　try　{　
　　/*这里的读取操作有一定的迷惑性，其实它是调用了，考虑到这里的reader是TextExtractorReader，所以耗无疑问，这里的方法一定是调用了TextExtractorReader#read　*/　　　　　　　　
while　((len　=　reader.read(buffer))　>　-1)　{　
　　　　　　　　　　textExtract.append(buffer,　0,　len);　
　　　　　　　　}　
　　　　　　}　catch　(IOException　e)　{　
　　　　　　　　log.warn("Exception　reading　value　for　field:　"　
　　　　　　　　　　　　+　e.getMessage());　
　　　　　　　　log.debug("Dump:",　e);　
　　　　　　}　finally　{　
　　　　　　　　try　{　
　　　　　　　　　　reader.close();　
　　　　　　　　}　catch　(IOException　e)　{　
　　　　　　　　　　//　ignore　
　　　　　　　　}　
　　　　　　}　
　　　　　　extract　=　textExtract.toString();　
　　　　}　
　　　　return　extract;　
　　}