修改 highlighter.net1.4.0 一处Bug

最近在做KTDictSeg 的 1.3 版本,在这个版本中做了一个用Lucene.net 搜索新闻的例子,其中生成关键词摘要用了
highlighter.net-1.4.0版本,发现中文关键词摘要生成结果总是不对,但英文的结果是对的。没办法,只得把highlighter.net
的源码拿出来调了一遍,最终发现问题在TokenGroup类的IsDistinct函数上。该函数源码如下
        internal virtual bool IsDistinct(Token token)
        
{
            
return token.StartOffset() > endOffset;
        }

正确的代码应该是
        internal virtual bool IsDistinct(Token token)
        
{
            
return token.StartOffset() >= endOffset;
        }

之所以在英文下是对的,是因为英文单词之间通常都是通过空格来分割,所以下一个单词的StartOffset一般都比前一个单词的 endOffset要大。
而中文的情况就不同了,单词间没有空格,导致下一个单词的StartOffset等于前一个单词的endOffset。结果自然就不对了。
后来想确认一下最新的 2.0 版本是否更改了这个Bug。结果始终没有找到源码,无奈之下只能将 2.0版本的动态库反编译看了一下,结果发现
该处Bug在2.0版本中已经被更正。要提醒的一点是如果用 highlighter.net2.0版本,必须要使用 Lucene的2.0以上版本。

哪位兄弟如果有highlighter.net2.0版本的源码,能否方便分享一下,先谢过了!
原文地址:https://www.cnblogs.com/eaglet/p/1185704.html