4. Lucene文檔結構
Lucene中最基礎的概念是索引（index），文檔（document)，域（field）和項（term）。
索引包含了一個文檔的序列。
· 文檔是一些域的序列。
· 域是一些項的序列。
· 項就是一個字串。
存在於不同域中的同一個字串被認爲是不同的項。因此項實際是用一對字串表示的，第一個字串是域名，第二個是域中的字串。
4.1. Lucene概念詳細介紹
4.1.1. 域的類型
Lucene中，域的文本可能以逐字的非倒排的方式存儲在索引中。而倒排過的域稱爲被索引過了。域也可能同時被存儲和被索引。
域的文本可能被分解許多項目而被索引，或者就被用作一個項目而被索引。大多數的域是被分解過的，但是有些時候某些標識符域被當做一個項目索引是很有用的。
4.1.2. 段（Segment）
Lucene索引可能由多個子索引組成，這些子索引成爲段。每一段都是完整獨立的索引，能被搜索。索引是這樣作成的：
1. 爲新加入的文檔創建新段。
2. 合併已經存在的段。
搜索時需要涉及到多個段和/或者多個索引，每一個索引又可能由一些段組成。
4.1.3. 文檔號（document．nbspNumber）
內部的來說，Lucene用一個整形（interger）的文檔號來指示文檔。第一個被加入到索引中的文檔就是0號，順序加入的文檔將得到一個由前一個號碼遞增而來的號碼。
注意文檔號是可能改變的，所以在Lucene外部存儲這些號碼時必須小心。特別的，號碼的改變的情況如下：
· 只有段內的號碼是相同的，不同段之間不同，因而在一個比段廣泛的上下文環境中使用這些號碼時，就必須改變它們。標準的技術是根據每一段號碼多少爲每一段分配一個段號。將段內文檔號轉換到段外時，加上段號。將某段外的文檔號轉換到段內時，根據每段中可能的轉換後號碼範圍來判斷文檔屬於那一段，並減調這一段的段號。例如有兩個含5個文檔的段合併，那麼第一段的段號就是0，第二段段號5。第二段中的第三個文檔，在段外的號碼就是8。
· 文檔刪除後，連續的號碼就出現了間斷。這可以通過合併索引來解決，段合併時刪除的文檔相應也刪掉了，新合併而成的段並沒有號碼間斷。
4.1.4. 索引信息
索引段維護着以下的信息：
· 域集合。包含了索引中用到的所有的域。
· 域值存儲表。每一個文檔都含有一個“屬性－值”對的列表，屬性即爲域名。這個列表用來存儲文檔的一些附加信息，如標題，url或者訪問數據庫的一個ID。在搜索時存儲域的集合可以被返回。這個表以文檔號標識。
· 項字典。這個字典含有所有文檔的所有域中使用過的的項，同時含有使用過它的文檔的文檔號，以及指向使用頻數信息和位置信息的指針。
· 項頻數信息。對於項字典中的每個項，這些信息包含含有這個項的文檔的總數，以及每個文檔中使用的次數。
· 項位置信息。對於項字典中的每個項，都存有在每個文檔中出現的各個位置。
· 標準化因子。對於文檔中的每一個域，存有一個值，用來以後乘以這個這個域的命中數（hits）。
· 被刪除的文檔信息。這是一個可選文件，用來表明那些文檔已經刪除了。
接下來的各部分部分詳細描述這些信息。
4.1.5. 文件的命名（File Naming）
同屬於一個段的文件擁有相同的文件名，不同的擴展名。擴展名由以下討論的各種文件格式確定。
一般來說，一個索引存放一個目錄，其所有段都存放在這個目錄裏，不這樣作，也是可以的，在性能方面較低。
4.2. Lucene基本數據類型（Primitive Types）
4.2.1. 字節Byte
最基本的數據類型就是字節（byte，8位）。文件就是按字節順序訪問的。其它的一些數據類型也定義爲字節的序列，文件的格式具有字節意義上的獨立性。
UInt32 ：32位無符號整數，由四個字節組成，高位優先。UInt32 --> <Byte>4
Uint64 ： 64位無符號整數，由八字節組成，高位優先。UInt64 --> <Byte>8
VInt ： 可變長的正整數類型，每字節的最高位表明還剩多少字節。每字節的低七位表明整數的值。因此單字節的值從0到127，兩字節值從128到16,383，等等。
VInt 編碼示例
value
First byte
Second byte
Third byte
0
00000000
1
00000001
2
00000010
...
127
01111111
128
10000000
00000001
129
10000001
00000001
130
10000010
00000001
...
16,383
11111111
01111111
16,384
10000000
10000000
00000001
16,385
10000001
10000000
00000001
... 這種編碼提供了一種在高效率解碼時壓縮數據的方法。
4.2.2. 字符串Chars
Lucene輸出UNICODE字符序列，使用標準UTF-8編碼。
String ：Lucene輸出由VINT和字符串組成的字串，VINT表示字串長，字符串緊接其後。
String --> VInt, Chars
4.3. 索引包含的文件（Per-Index Files）
4.3.1. Segments文件
索引中活動的段存儲在Segments文件中。每個索引只能含有一個這樣的文件，名爲"segments".這個文件依次列出每個段的名字和每個段的大小。
Segments --> SegCount, <SegName, SegSize>SegCount
SegCount, SegSize --> UInt32
SegName --> String
SegName表示該segment的名字，同時作爲索引其他文件的前綴。
SegSize是段索引中含有的文檔數。
4.3.2. Lock文件
有一些文件用來表示另一個進程在使用索引。
· 如果存在"commit.lock"文件，表示有進程在寫"segments"文件和刪除無用的段索引文件，或者表示有進程在讀"segments"文件和打開某些段的文件。在一個進程在讀取"segments"文件段信息後，還沒來得及打開所有該段的文件前，這個Lock文件可以防止另一個進程刪除這些文件。
· 如果存在"index.lock"文件，表示有進程在向索引中加入文檔，或者是從索引中刪除文檔。這個文件防止很多文件同時修改一個索引。
4.3.3. Deleteable文件
名爲"deletetable"的文件包含了索引不再使用的文件的名字，這些文件可能並沒有被實際的刪除。這種情況只存在與Win32平臺下，因爲Win32下文件仍打開時並不能刪除。
Deleteable --> DelableCount, <DelableName>DelableCount
DelableCount --> UInt32
DelableName --> String
4.3.4. 段包含的文件（Per-Segment Files）
剩下的文件是每段中包含的文件，因此由後綴來區分。
域（Field）
域集合信息（Field Info）
所有域名都存儲在這個文件的域集合信息中，這個文件以後綴.fnm結尾。
FieldInfos (.fnm) --> FieldsCount, <FieldName, FieldBits>FieldsCount
FieldsCount --> VInt
FieldName --> String
FieldBits --> Byte
目前情況下，FieldBits只有使用低位，對於已索引的域值爲1，對未索引的域值爲0。
文件中的域根據它們的次序編號。因此域0是文件中的第一個域，域1是接下來的，等等。這個和文檔號的編號方式相同。
4.3.5. 域值存儲表（Stored Fields）
域值存儲表使用兩個文件表示：
1. 域索引（.fdx文件）。
如下，對於每個文檔這個文件包含指向域值的指針：
FieldIndex (.fdx) --> <FieldvaluesPosition>SegSize
FieldvaluesPosition --> Uint64
FieldvaluesPosition指示的是某一文檔的某域的域值在域值文件中的位置。因爲域值文件含有定長的數據信息，因而很容易隨機訪問。在域值文件中，文檔n的域值信息就存在n*8位置處（The position of document．nbspn's field data is the Uint64 at n*8 in this file.）。
2. 域值（.fdt文件）。
如下，每個文檔的域值信息包含：
FieldData (.fdt) --> <DocFieldData>SegSize
DocFieldData --> FieldCount, <FieldNum, Bits, value>FieldCount
FieldCount --> VInt
FieldNum --> VInt
Bits --> Byte
value --> String
目前情況下，Bits只有低位被使用，值爲1表示域名被分解過，值爲0表示未分解過。÷
4.3.6. 項字典（Term Dictionary）
項字典用以下兩個文件表示：
1. 項信息（.tis文件）。
TermInfoFile (.tis)--> TermCount, TermInfos
TermCount --> UInt32
TermInfos --> <TermInfo>TermCount
TermInfo --> <Term, DocFreq, FreqDelta, ProxDelta>
Term --> <PrefixLength, Suffix, FieldNum>
Suffix --> String
PrefixLength, DocFreq, FreqDelta, ProxDelta
--> VInt
項信息按項排序。項信息排序時先按項所屬的域的文字順序排序，然後按照項的字串的文字順序排序。
項的字前綴往往是共同的，與字的後綴組成字。PrefixLength變量就是表示與前一項相同的前綴的字數。因此，如果前一個項的字是"bone"，後一個是"boy"的話，PrefixLength值爲2，Suffix值爲"y"。
FieldNum指明瞭項屬於的域號，而域名存儲在.fdt文件中。
DocFreg表示的是含有該項的文檔的數量。
FreqDelta指明瞭項所屬TermFreq變量在.frq文件中的位置。詳細的說，就是指相對於前一個項的數據的位置偏移量（或者是0，表示文件中第一個項）。
ProxDelta指明瞭項所屬的TermPosition變量在.prx文件中的位置。詳細的說，就是指相對於前一個項的數據的位置偏移量（或者是0，表示文件中第一個項）。
2. 項信息索引（.tii文件）。
每個項信息索引文件包含.tis文件中的128個條目，依照條目在.tis文件中的順序。這樣設計是爲了一次將索引信息讀入內存能，然後使用它來隨機的訪問.tis文件。
這個文件的結構和.tis文件非常類似，只在每個條目記錄上增加了一個變量IndexDelta。
TermInfoIndex (.tii)--> IndexTermCount, TermIndices
IndexTermCount --> UInt32
TermIndices --> <TermInfo, IndexDelta>IndexTermCount
IndexDelta --> VInt
IndexDelta表示該項的TermInfo變量值在.tis文件中的位置。詳細的講，就是指相對於前一個條目的偏移量（或者是0，對於文件中第一個項）。
4.3.7. 項頻數（Frequencies）
.frq文件包含每一項的文檔的列表，還有該項在對應文檔中出現的頻數。
FreqFile (.frq) --> <TermFreqs>TermCount
TermFreqs --> <TermFreq>DocFreq
TermFreq --> DocDelta, Freq?
DocDelta,Freq --> VInt
TermFreqs序列按照項來排序（依據於.tis文件中的項，即項是隱含存在的）。
TermFreq元組按照文檔號升序排列。
DocDelta決定了文檔號和頻數。詳細的說，DocDelta/2表示相對於前一文檔號的偏移量（或者是0，表示這是TermFreqs裏面的第一項）。當DocDelta是奇數時表示在該文檔中頻數爲1，當DocDelta是偶數時，另一個VInt（Freq）就表示在該文檔中出現的頻數。
例如，假設某一項在文檔7中出現一次，在文檔11中出現了3次，在TermFreqs中就存在如下的VInts序列：
15, 22, 3
4.3.8. 項位置（Position）
.prx文件包含了某文檔中某項出現的位置信息的列表。
ProxFile (.prx) --> <TermPositions>TermCount
TermPositions --> <Positions>DocFreq
Positions --> <PositionDelta>Freq
PositionDelta --> VInt
TermPositions按照項來排序（依據於.tis文件中的項，即項是隱含存在的）。
Positions元組按照文檔號升序排列。
PositionDelta是相對於前一個出現位置的偏移位置（或者爲0，表示這是第一次在這個文檔中出現）。
例如，假設某一項在某文檔第4項出現，在另一個文檔中第5項和第9項出現，將存在如下的VInt序列：
4, 5, 4
4.3.9. 標準化因子（Normalization Factor）
.nrm文件包含了每個文檔的標準化因子，標準化因子用來以後乘以這個這個域的命中數。
Norms (.nrm) --> <Byte>SegSize
每個字節記錄一個浮點數。位0-2包含了3位的尾數部分，位3-8包含了5位的指數部分。
按如下規則可將這些字節轉換爲IEEE標準單精度浮點數：
1. 如果該字節是0，就是浮點0；
2. 否則，設置新浮點數的標誌位爲0；
3. 將字節中的指數加上48後作爲新的浮點數的指數；
4. 將字節中的尾數映射到新浮點數尾數的高3位；並且
5. 設置新浮點數尾數的低21位爲0。
4.3.10. 被刪除的文檔（Deleted document）
.del文件是可選的，只有在某段中存在刪除操作後才存在：
Deletions (.del) --> ByteCount,BitCount,Bits
ByteSize,BitCount --> Uint32
Bits --> <Byte>ByteCount
ByteCount表示的是Bits列表中Byte的數量。典型的，它等於（SegSize/8）+1。
BitCount表示Bits列表中多少個已經被設置過了。
Bits列表包含了一些位（bit），順序表示一個文檔。當對應於文檔號的位被設置了，就標誌着這個文檔已經被刪除了。位的順序是從低到高。因此，如果Bits包含兩個字節，0x00和0x02，那麼表示文檔9已經刪除了。
4.3.11. 侷限性（Limitations）
在以上的文件格式中，好幾處都有限制項和文檔的最大個數爲32位數的極限，即接近於40億。今天看來，這不會造成問題，但是，長遠的看，可能造成問題。因此，這些極限應該或者換爲UInt64類型的值，或者更好的，換爲VInt類型的值（VInt值沒有上限）。
有兩處地方的代碼要求必須是定長的值，他們是：
1. FieldvaluesPosition變量（存儲於域索引文件中，.fdx文件）。它已經是一個UInt64型，所以不會有問題。
2. TermCount變量（存儲於項信息文件中，.tis文件）。這是最後輸出到文件中的，但是最先被讀取，因此是存儲於文件的最前端 。索引代碼先在這裏寫入一個0值，然後在其他文件輸出完畢後覆蓋這個值。所以無論它存儲在什麼地方，它都必須是一個定長的值，它應該被變成UInt64型。
除此之外，所有的UInt值都可以換成VInt型以去掉限制。
Lucene中最基礎的概念是索引（index），文檔（document)，域（field）和項（term）。
索引包含了一個文檔的序列。
· 文檔是一些域的序列。
· 域是一些項的序列。
· 項就是一個字串。
存在於不同域中的同一個字串被認爲是不同的項。因此項實際是用一對字串表示的，第一個字串是域名，第二個是域中的字串。
4.1. Lucene概念詳細介紹
4.1.1. 域的類型
Lucene中，域的文本可能以逐字的非倒排的方式存儲在索引中。而倒排過的域稱爲被索引過了。域也可能同時被存儲和被索引。
域的文本可能被分解許多項目而被索引，或者就被用作一個項目而被索引。大多數的域是被分解過的，但是有些時候某些標識符域被當做一個項目索引是很有用的。
4.1.2. 段（Segment）
Lucene索引可能由多個子索引組成，這些子索引成爲段。每一段都是完整獨立的索引，能被搜索。索引是這樣作成的：
1. 爲新加入的文檔創建新段。
2. 合併已經存在的段。
搜索時需要涉及到多個段和/或者多個索引，每一個索引又可能由一些段組成。
4.1.3. 文檔號（document．nbspNumber）
內部的來說，Lucene用一個整形（interger）的文檔號來指示文檔。第一個被加入到索引中的文檔就是0號，順序加入的文檔將得到一個由前一個號碼遞增而來的號碼。
注意文檔號是可能改變的，所以在Lucene外部存儲這些號碼時必須小心。特別的，號碼的改變的情況如下：
· 只有段內的號碼是相同的，不同段之間不同，因而在一個比段廣泛的上下文環境中使用這些號碼時，就必須改變它們。標準的技術是根據每一段號碼多少爲每一段分配一個段號。將段內文檔號轉換到段外時，加上段號。將某段外的文檔號轉換到段內時，根據每段中可能的轉換後號碼範圍來判斷文檔屬於那一段，並減調這一段的段號。例如有兩個含5個文檔的段合併，那麼第一段的段號就是0，第二段段號5。第二段中的第三個文檔，在段外的號碼就是8。
· 文檔刪除後，連續的號碼就出現了間斷。這可以通過合併索引來解決，段合併時刪除的文檔相應也刪掉了，新合併而成的段並沒有號碼間斷。
4.1.4. 索引信息
索引段維護着以下的信息：
· 域集合。包含了索引中用到的所有的域。
· 域值存儲表。每一個文檔都含有一個“屬性－值”對的列表，屬性即爲域名。這個列表用來存儲文檔的一些附加信息，如標題，url或者訪問數據庫的一個ID。在搜索時存儲域的集合可以被返回。這個表以文檔號標識。
· 項字典。這個字典含有所有文檔的所有域中使用過的的項，同時含有使用過它的文檔的文檔號，以及指向使用頻數信息和位置信息的指針。
· 項頻數信息。對於項字典中的每個項，這些信息包含含有這個項的文檔的總數，以及每個文檔中使用的次數。
· 項位置信息。對於項字典中的每個項，都存有在每個文檔中出現的各個位置。
· 標準化因子。對於文檔中的每一個域，存有一個值，用來以後乘以這個這個域的命中數（hits）。
· 被刪除的文檔信息。這是一個可選文件，用來表明那些文檔已經刪除了。
接下來的各部分部分詳細描述這些信息。
4.1.5. 文件的命名（File Naming）
同屬於一個段的文件擁有相同的文件名，不同的擴展名。擴展名由以下討論的各種文件格式確定。
一般來說，一個索引存放一個目錄，其所有段都存放在這個目錄裏，不這樣作，也是可以的，在性能方面較低。
4.2. Lucene基本數據類型（Primitive Types）
4.2.1. 字節Byte
最基本的數據類型就是字節（byte，8位）。文件就是按字節順序訪問的。其它的一些數據類型也定義爲字節的序列，文件的格式具有字節意義上的獨立性。
UInt32 ：32位無符號整數，由四個字節組成，高位優先。UInt32 --> <Byte>4
Uint64 ： 64位無符號整數，由八字節組成，高位優先。UInt64 --> <Byte>8
VInt ： 可變長的正整數類型，每字節的最高位表明還剩多少字節。每字節的低七位表明整數的值。因此單字節的值從0到127，兩字節值從128到16,383，等等。
VInt 編碼示例
value
First byte
Second byte
Third byte
0
00000000
1
00000001
2
00000010
...
127
01111111
128
10000000
00000001
129
10000001
00000001
130
10000010
00000001
...
16,383
11111111
01111111
16,384
10000000
10000000
00000001
16,385
10000001
10000000
00000001
... 這種編碼提供了一種在高效率解碼時壓縮數據的方法。
4.2.2. 字符串Chars
Lucene輸出UNICODE字符序列，使用標準UTF-8編碼。
String ：Lucene輸出由VINT和字符串組成的字串，VINT表示字串長，字符串緊接其後。
String --> VInt, Chars
4.3. 索引包含的文件（Per-Index Files）
4.3.1. Segments文件
索引中活動的段存儲在Segments文件中。每個索引只能含有一個這樣的文件，名爲"segments".這個文件依次列出每個段的名字和每個段的大小。
Segments --> SegCount, <SegName, SegSize>SegCount
SegCount, SegSize --> UInt32
SegName --> String
SegName表示該segment的名字，同時作爲索引其他文件的前綴。
SegSize是段索引中含有的文檔數。
4.3.2. Lock文件
有一些文件用來表示另一個進程在使用索引。
· 如果存在"commit.lock"文件，表示有進程在寫"segments"文件和刪除無用的段索引文件，或者表示有進程在讀"segments"文件和打開某些段的文件。在一個進程在讀取"segments"文件段信息後，還沒來得及打開所有該段的文件前，這個Lock文件可以防止另一個進程刪除這些文件。
· 如果存在"index.lock"文件，表示有進程在向索引中加入文檔，或者是從索引中刪除文檔。這個文件防止很多文件同時修改一個索引。
4.3.3. Deleteable文件
名爲"deletetable"的文件包含了索引不再使用的文件的名字，這些文件可能並沒有被實際的刪除。這種情況只存在與Win32平臺下，因爲Win32下文件仍打開時並不能刪除。
Deleteable --> DelableCount, <DelableName>DelableCount
DelableCount --> UInt32
DelableName --> String
4.3.4. 段包含的文件（Per-Segment Files）
剩下的文件是每段中包含的文件，因此由後綴來區分。
域（Field）
域集合信息（Field Info）
所有域名都存儲在這個文件的域集合信息中，這個文件以後綴.fnm結尾。
FieldInfos (.fnm) --> FieldsCount, <FieldName, FieldBits>FieldsCount
FieldsCount --> VInt
FieldName --> String
FieldBits --> Byte
目前情況下，FieldBits只有使用低位，對於已索引的域值爲1，對未索引的域值爲0。
文件中的域根據它們的次序編號。因此域0是文件中的第一個域，域1是接下來的，等等。這個和文檔號的編號方式相同。
4.3.5. 域值存儲表（Stored Fields）
域值存儲表使用兩個文件表示：
1. 域索引（.fdx文件）。
如下，對於每個文檔這個文件包含指向域值的指針：
FieldIndex (.fdx) --> <FieldvaluesPosition>SegSize
FieldvaluesPosition --> Uint64
FieldvaluesPosition指示的是某一文檔的某域的域值在域值文件中的位置。因爲域值文件含有定長的數據信息，因而很容易隨機訪問。在域值文件中，文檔n的域值信息就存在n*8位置處（The position of document．nbspn's field data is the Uint64 at n*8 in this file.）。
2. 域值（.fdt文件）。
如下，每個文檔的域值信息包含：
FieldData (.fdt) --> <DocFieldData>SegSize
DocFieldData --> FieldCount, <FieldNum, Bits, value>FieldCount
FieldCount --> VInt
FieldNum --> VInt
Bits --> Byte
value --> String
目前情況下，Bits只有低位被使用，值爲1表示域名被分解過，值爲0表示未分解過。÷
4.3.6. 項字典（Term Dictionary）
項字典用以下兩個文件表示：
1. 項信息（.tis文件）。
TermInfoFile (.tis)--> TermCount, TermInfos
TermCount --> UInt32
TermInfos --> <TermInfo>TermCount
TermInfo --> <Term, DocFreq, FreqDelta, ProxDelta>
Term --> <PrefixLength, Suffix, FieldNum>
Suffix --> String
PrefixLength, DocFreq, FreqDelta, ProxDelta
--> VInt
項信息按項排序。項信息排序時先按項所屬的域的文字順序排序，然後按照項的字串的文字順序排序。
項的字前綴往往是共同的，與字的後綴組成字。PrefixLength變量就是表示與前一項相同的前綴的字數。因此，如果前一個項的字是"bone"，後一個是"boy"的話，PrefixLength值爲2，Suffix值爲"y"。
FieldNum指明瞭項屬於的域號，而域名存儲在.fdt文件中。
DocFreg表示的是含有該項的文檔的數量。
FreqDelta指明瞭項所屬TermFreq變量在.frq文件中的位置。詳細的說，就是指相對於前一個項的數據的位置偏移量（或者是0，表示文件中第一個項）。
ProxDelta指明瞭項所屬的TermPosition變量在.prx文件中的位置。詳細的說，就是指相對於前一個項的數據的位置偏移量（或者是0，表示文件中第一個項）。
2. 項信息索引（.tii文件）。
每個項信息索引文件包含.tis文件中的128個條目，依照條目在.tis文件中的順序。這樣設計是爲了一次將索引信息讀入內存能，然後使用它來隨機的訪問.tis文件。
這個文件的結構和.tis文件非常類似，只在每個條目記錄上增加了一個變量IndexDelta。
TermInfoIndex (.tii)--> IndexTermCount, TermIndices
IndexTermCount --> UInt32
TermIndices --> <TermInfo, IndexDelta>IndexTermCount
IndexDelta --> VInt
IndexDelta表示該項的TermInfo變量值在.tis文件中的位置。詳細的講，就是指相對於前一個條目的偏移量（或者是0，對於文件中第一個項）。
4.3.7. 項頻數（Frequencies）
.frq文件包含每一項的文檔的列表，還有該項在對應文檔中出現的頻數。
FreqFile (.frq) --> <TermFreqs>TermCount
TermFreqs --> <TermFreq>DocFreq
TermFreq --> DocDelta, Freq?
DocDelta,Freq --> VInt
TermFreqs序列按照項來排序（依據於.tis文件中的項，即項是隱含存在的）。
TermFreq元組按照文檔號升序排列。
DocDelta決定了文檔號和頻數。詳細的說，DocDelta/2表示相對於前一文檔號的偏移量（或者是0，表示這是TermFreqs裏面的第一項）。當DocDelta是奇數時表示在該文檔中頻數爲1，當DocDelta是偶數時，另一個VInt（Freq）就表示在該文檔中出現的頻數。
例如，假設某一項在文檔7中出現一次，在文檔11中出現了3次，在TermFreqs中就存在如下的VInts序列：
15, 22, 3
4.3.8. 項位置（Position）
.prx文件包含了某文檔中某項出現的位置信息的列表。
ProxFile (.prx) --> <TermPositions>TermCount
TermPositions --> <Positions>DocFreq
Positions --> <PositionDelta>Freq
PositionDelta --> VInt
TermPositions按照項來排序（依據於.tis文件中的項，即項是隱含存在的）。
Positions元組按照文檔號升序排列。
PositionDelta是相對於前一個出現位置的偏移位置（或者爲0，表示這是第一次在這個文檔中出現）。
例如，假設某一項在某文檔第4項出現，在另一個文檔中第5項和第9項出現，將存在如下的VInt序列：
4, 5, 4
4.3.9. 標準化因子（Normalization Factor）
.nrm文件包含了每個文檔的標準化因子，標準化因子用來以後乘以這個這個域的命中數。
Norms (.nrm) --> <Byte>SegSize
每個字節記錄一個浮點數。位0-2包含了3位的尾數部分，位3-8包含了5位的指數部分。
按如下規則可將這些字節轉換爲IEEE標準單精度浮點數：
1. 如果該字節是0，就是浮點0；
2. 否則，設置新浮點數的標誌位爲0；
3. 將字節中的指數加上48後作爲新的浮點數的指數；
4. 將字節中的尾數映射到新浮點數尾數的高3位；並且
5. 設置新浮點數尾數的低21位爲0。
4.3.10. 被刪除的文檔（Deleted document）
.del文件是可選的，只有在某段中存在刪除操作後才存在：
Deletions (.del) --> ByteCount,BitCount,Bits
ByteSize,BitCount --> Uint32
Bits --> <Byte>ByteCount
ByteCount表示的是Bits列表中Byte的數量。典型的，它等於（SegSize/8）+1。
BitCount表示Bits列表中多少個已經被設置過了。
Bits列表包含了一些位（bit），順序表示一個文檔。當對應於文檔號的位被設置了，就標誌着這個文檔已經被刪除了。位的順序是從低到高。因此，如果Bits包含兩個字節，0x00和0x02，那麼表示文檔9已經刪除了。
4.3.11. 侷限性（Limitations）
在以上的文件格式中，好幾處都有限制項和文檔的最大個數爲32位數的極限，即接近於40億。今天看來，這不會造成問題，但是，長遠的看，可能造成問題。因此，這些極限應該或者換爲UInt64類型的值，或者更好的，換爲VInt類型的值（VInt值沒有上限）。
有兩處地方的代碼要求必須是定長的值，他們是：
1. FieldvaluesPosition變量（存儲於域索引文件中，.fdx文件）。它已經是一個UInt64型，所以不會有問題。
2. TermCount變量（存儲於項信息文件中，.tis文件）。這是最後輸出到文件中的，但是最先被讀取，因此是存儲於文件的最前端 。索引代碼先在這裏寫入一個0值，然後在其他文件輸出完畢後覆蓋這個值。所以無論它存儲在什麼地方，它都必須是一個定長的值，它應該被變成UInt64型。
除此之外，所有的UInt值都可以換成VInt型以去掉限制。
