关于lucene的Document－效率抉择

目前做的一个项目需要实现这样的功能：
   资料库为大量的中英文对照的句子，例如：

Welcome—come in. # 欢迎——请进。
Welcome home\back—we've missed you! # 欢迎回家／回来——我们好想念你！
Welcome to Cambridge. # 欢迎到剑桥来。
(on an aircraft) Welcome on board. # 欢迎登机。
(on a ship) Welcome aboard. # 欢迎上船。

   我需要索引它，实现搜索英文或中文结果呈现匹配到的句子。
   实现方法我有两种思路：
   1.按照我对lucene的理解，一个Document相当于一条数据库记录，分为两个filed，一个交eng，一个叫ch，其中eng采用StandardAnalyzer,ch采用中文分词的分析器。这样子做导致document的数量特别多，但是我能在搜索时根据不同的field采用不同的分析器去搜索。
   2.将每个文件作为一个document，将中英文合并为一个field，这样实现起来比较简单，但是效率应该不高。
   但是我发现，由于我所有的内容都要能索引、要存储：

Field engField = new Field("eng", eng ,Field.Store.YES,Field.Index.TOKENIZED);
Field chField = new Field("ch", ch ,Field.Store.YES,Field.Index.TOKENIZED);

   这样结果我的索引大小和文件库大小差不多，不知各位有什么好的建议？
  

第二种方案
我的模型比你的模型复杂的多，还带有多种语义，
经过很长时间的测试，还是选择了第二种方案。
至于文件大小，那就真没有办法了。

谢谢，我还是测试一下，希望能听到更多的分析

正文的数据不用存储啊，因为你在关系数据库里面已经存在这样的数据了，可以在需要正文的时候到数据库里面提取。而且对于设置了要存储的数据lucene直接将其内容存到了.fdt文件中，你可以用记事本打开看看。所以你的索引文件应该会比库还大。

那你的搜索结果的summary“高亮”怎么解决？？自己写代码从正文中抽取搞定么？

高亮我还没看过，可以去看看nutch的summary