使用Lucene自帶的Highlighter就可以實現對原始文件摘要的提取工作。Highlighter類有一個getBestFragment方法，這個方法有多個重載的方法，其中，使用：

public final String getBestFragment(Analyzer analyzer, String fieldName,String text)

就可以提取摘要，它實現了從指定的原始文件中，提取檢索關鍵字出現頻率最高的一段文字作為摘要，默認情況下提取100個字符，同時加上自定義的高亮顯示代碼，又可實現關鍵字高亮顯示。

測試程序如下所示：

package org.shirdrn.lucene.learn.digest;

import java.io.IOException;

import net.teamhot.lucene.ThesaurusAnalyzer;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.queryParser.ParseException;
import org.apache.lucene.queryParser.QueryParser;
import org.apache.lucene.search.Hits;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.highlight.Highlighter;
import org.apache.lucene.search.highlight.QueryScorer;
import org.apache.lucene.search.highlight.SimpleHTMLFormatter;

public class ExtractDigest {

private String indexPath = "H:\\index";
private Analyzer analyzer;
private IndexSearcher searcher;
private String prefixHTML = "<font color='red'>";
private String suffixHTML = "</font>";

public ExtractDigest(){
   analyzer = new ThesaurusAnalyzer();
}

public void createIndex() throws IOException {
   IndexWriter writer = new IndexWriter(indexPath,analyzer,true);
   Document docA = new Document();
   String fileTextA = "挖掘頻繁項集的方法可以擴展到挖掘閉頻繁項集（由它們容易導出頻繁項集的集合）。這些方法結合了附加的優化技術，如項合并、子項剪枝和項跳過，以及模式樹中產生的項集的有效子集檢查。挖掘頻繁項集和關聯已經用不同的方法擴展，包括挖掘多層關聯規則和多維關聯規則。多層關聯規則可以根據每個抽象層的最小支持度閾值如何定義，使用多種策略挖掘。如一致的支持度、遞減的支持度和基于分組的支持度。冗余的多層（后代）關聯規則可以刪除，如果根據其對應的祖先規則，他們的支持度和置信度接近于期望值的話。挖掘多維關聯規則的技術可以根據對量化屬性的處理分為若干類。第一，量化屬性可以根據預定義的概念分層靜態離散化。數據立方體非常適合這種方法，因為數據立方體和量化屬性都可以利用概念分層。第二，可以挖掘量化關聯規則，其中量化屬性根據分箱和/或聚類動態離散化，“鄰近的”關聯規則可以用聚類合并，產生更簡潔、更有意義的規則。基于約束的規則挖掘允許用戶通過提供元規則（即模式模板）和其他挖掘約束對規則搜索聚焦。這種挖掘推動了說明性數據挖掘查詢語言和用戶界面的使用，并對挖掘查詢優化提出了巨大挑戰。規則約束可以分為五類：反單調的、單調的、簡潔的、可轉變的和不可轉變的。前四類約束可以在頻繁項集挖掘中使用，使挖掘更有功效，更有效率。沒有進一步分析或領域知識，關聯規則不應該直接用于預測。它們不必指示因果關系。然而，對于進一步探查，它們是有幫助的切入點，使得它們成為理解數據的流行工具。流數據不斷地在計算機系統中流進流出并且具有變化的更新速度，涉及數據流的應用非常廣泛。大綱提供數據流的匯總，通常用來返回查詢的近似解答。隨機抽樣、滑動窗口、直方圖、多分辨率方法、梗概以及隨機算法都是大綱的形式。傾斜時間框架模型允許數據以多個時間粒度存儲，最近的時間記錄在最細的粒度上，最遠的時間記錄在最粗的粒度上。流立方體可以存儲壓縮的數據，對時間維度使用傾斜時間框架模型，并且僅在一些關鍵的層上存儲數據，關鍵層反映了分析人員最感興趣的數據層，從而基于到關鍵層的“常用路徑”進行部分物化。";
   Field fieldA = new Field("contents", fileTextA, Field.Store.YES,Field.Index.TOKENIZED);
   docA.add(fieldA);
  
   Document docB = new Document();
   String fileTextB = " 數據挖掘(Data Mining)，又稱為數據庫中的知識發現(Knowledge Discovery in Database, KDD)，就是從大量數據中獲取有效的、新穎的、潛在有用的、最終可理解的模式的非平凡過程，簡單的說，數據挖掘就是從大量數據中提取或“挖掘”知識。";
   Field fieldB = new Field("contents", fileTextB, Field.Store.YES,Field.Index.TOKENIZED);
   docB.add(fieldB);
  
   writer.addDocument(docA);
   writer.addDocument(docB);
   writer.optimize();
   writer.close();
}

public void search(String fieldName,String keyword) throws CorruptIndexException, IOException, ParseException{
   searcher = new IndexSearcher(indexPath);
   QueryParser queryParse = new QueryParser(fieldName, analyzer);
   Query query = queryParse.parse(keyword);
   Hits hits = searcher.search(query);
   for(int i=0;i<hits.length();i++){
    Document doc = hits.doc(i);
   String text = doc.get(fieldName);
   //System.out.println("||||||||||||"+text);
    int htmlLength = prefixHTML.length()+suffixHTML.length();
    System.out.println("高亮HTML的總長度為"+htmlLength);
    SimpleHTMLFormatter simpleHTMLFormatter = new SimpleHTMLFormatter(prefixHTML, suffixHTML);   
            Highlighter highlighter = new Highlighter(simpleHTMLFormatter,new QueryScorer(query));   
            String highLightText = highlighter.getBestFragment(analyzer,"contents",text);
            System.out.println("★高亮顯示第 "+(i+1) +" 條檢索結果如下所示：");
            System.out.println(highLightText);
            System.out.println("顯示第 "+(i+1) +" 條檢索結果摘要的長度為(含高亮HTML代碼)："+highLightText.length());
   }
   searcher.close();
}

public static void main(String[] args) {
   ExtractDigest ed = new ExtractDigest();
   try {
    ed.createIndex();
    ed.search("contents", "根據 挖掘");
   } catch (CorruptIndexException e) {
    e.printStackTrace();
   } catch (IOException e) {
    e.printStackTrace();
   } catch (ParseException e) {
    e.printStackTrace();
   }
}

}

上面程序，檢索“根據 挖掘”，首先使用QueryParser解析，提取Term為“根據”和“挖掘”，檢索結果應該在提取的摘要中高亮顯示這兩個Term的text。

運行結果如下所示：

詞庫尚未被初始化，開始初始化詞庫.
初始化詞庫結束。用時:3985毫秒;
共添加195574個詞語。
高亮HTML的總長度為25
★高亮顯示第 1 條檢索結果如下所示：
同的方法擴展，包括<font color='red'>挖掘</font>多層關聯規則和多維關聯規則。多層關聯規則可以<font color='red'>根據</font>每個抽象層的最小支持度閾值如何定義，使用多種策略<font color='red'>挖掘</font>。如一致的支持度、遞減的支持度和基于分組的支持度。冗余的多層（后代）關聯規則
顯示第 1 條檢索結果摘要的長度為(含高亮HTML代碼)：174
高亮HTML的總長度為25
★高亮顯示第 2 條檢索結果如下所示：
數據<font color='red'>挖掘</font>(Data Mining)，又稱為數據庫中的知識發現(Knowledge Discovery in Database, KDD)，就是從大量數據中獲取有效的、新穎的、潛在有用的、最終可理解
顯示第 2 條檢索結果摘要的長度為(含高亮HTML代碼)：124

上面程序中，在進行分析的時候，構造Field，同時對指定原始文本進行了存儲，如下所示：

Field fieldA = new Field("contents", fileTextA, Field.Store.YES,Field.Index.TOKENIZED);

這個Field.Store.YES指定的存儲，但是在實際中這樣會浪費存儲空間，而且造成索引管理的困難，所以在實際中是直接從數據庫中查詢出原始文件的文本內容，然后對這個文本進行處理，對其進行提取摘要的操作。也就是在上面String text = doc.get(fieldName);這一步，text的內容是根據Document的ID，從數據庫中查詢出來的，避免了IO操作，從而提高了檢索速度，而且便利了索引文件的管理。