我有一个包含Twitter流S的id的zip文件。我如何加载这些id，然后通过使用Java和Lucene下载数据集的原始tweet来完成数据集？为了减少数据集的空间和复杂性，需要以统一的方式下载至少5%的tweet，检查tweet是否为英语，并以压缩形式存储数据。