luence

2019-11-12 作者:新闻   |   浏览(78)

     

Lucene教程
1 lucene简介
1.1 什么是lucene
    Lucene是一个全文搜索框架,而不是应用产品。因此它并不像www.baidu.com 或者google Desktop那么拿来就能用,它只是提供了一种工具让你能实现这些产品。
2 lucene的工作方式
    lucene提供的服务实际包含两部分:一入一出。所谓入是写入,即将你提供的源(本质是字符串)写入索引或者将其从索引中删除;所谓出是读出,即向用户提供全文搜索服务,让用户可以通过关键词定位源。
2.1写入流程
    源字符串首先经过analyzer处理,包括:分词,分成一个个单词;去除stopword(可选)。
将源中需要的信息加入Document的各个Field中,并把需要索引的Field索引起来,把需要存储的Field存储起来。
    将索引写入存储器,存储器可以是内存或磁盘。
2.2读出流程
    用户提供搜索关键词,经过analyzer处理。
对处理后的关键词搜索索引找出对应的Document。
用户根据需要从找到的Document中提取需要的Field。
3 一些需要知道的概念
3.1 analyzer
    Analyzer是分析器,它的作用是把一个字符串按某种规则划分成一个个词语,并去除其中的无效词语,这里说的无效词语是指英文中的“of”、“the”,中文中的“的”、“地”等词语,这些词语在文章中大量出现,但是本身不包含什么关键信息,去掉有利于缩小索引文件、提高效率、提高命中率。
  分词的规则千变万化,但目的只有一个:按语义划分。这点在英文中比较容易实现,因为英文本身就是以单词为单位的,已经用空格分开;而中文则必须以某种方法将连成一片的句子划分成一个个词语。具体划分方法下面再详细介绍,这里只需了解分析器的概念即可。
3.2 document
  用户提供的源是一条条记录,它们可以是文本文件、字符串或者数据库表的一条记录等等。一条记录经过索引之后,就是以一个Document的形式存储在索引文件中的。用户进行搜索,也是以Document列表的形式返回。
3.3 field
    一个Document可以包含多个信息域,例如一篇文章可以包含“标题”、“正文”、“最后修改时间”等信息域,这些信息域就是通过Field在Document中存储的。
    Field有两个属性可选:存储和索引。通过存储属性你可以控制是否对这个Field进行存储;通过索引属性你可以控制是否对该Field进行索引。这看起来似乎有些废话,事实上对这两个属性的正确组合很重要,下面举例说明:还是以刚才的文章为例子,我们需要对标题和正文进行全文搜索,所以我们要把索引属性设置为真,同时我们希望能直接从搜索结果中提取文章标题,所以我们把标题域的存储属性设置为真,但是由于正文域太大了,我们为了缩小索引文件大小,将正文域的存储属性设置为假,当需要时再直接读取文件;我们只是希望能从搜索解果中提取最后修改时间,不需要对它进行搜索,所以我们把最后修改时间域的存储属性设置为真,索引属性设置为假。上面的三个域涵盖了两个属性的三种组合,还有一种全为假的没有用到,事实上Field不允许你那么设置,因为既不存储又不索引的域是没有意义的。
3.4 term
加拿大28开奖结果,  term是搜索的最小单位,它表示文档的一个词语,term由两部分组成:它表示的词语和这个词语所出现的field。
3.5 tocken
    tocken是term的一次出现,它包含trem文本和相应的起止偏移,以及一个类型字符串。一句话中可以出现多次相同的词语,它们都用同一个term表示,但是用不同的tocken,每个tocken标记该词语出现的地方。
3.6 segment
    添加索引时并不是每个document都马上添加到同一个索引文件,它们首先被写入到不同的小文件,然后再合并成一个大索引文件,这里每个小文件都是一个segment。
4 如何建索引
4.1 最简单的能完成索引的代码片断
IndexWriter writer = new IndexWriter(“/data/index/”, new StandardAnalyzer(), true);
Document doc = new Document();
doc.add(new Field("title", "lucene introduction", Field.Store.YES, Field.Index.TOKENIZED));
doc.add(new Field("content", "lucene works well", Field.Store.YES, Field.Index.TOKENIZED));
writer.addDocument(doc);
writer.optimize();
writer.close();
下面我们分析一下这段代码。
首先我们创建了一个writer,并指定存放索引的目录为“/data/index”,使用的分析器为StandardAnalyzer,第三个参数说明如果已经有索引文件在索引目录下,我们将覆盖它们。然后我们新建一个document。
  我们向document添加一个field,名字是“title”,内容是“lucene introduction”,对它进行存储并索引。再添加一个名字是“content”的field,内容是“lucene works well”,也是存储并索引。
然后我们将这个文档添加到索引中,如果有多个文档,可以重复上面的操作,创建document并添加。
添加完所有document,我们对索引进行优化,优化主要是将多个segment合并到一个,有利于提高索引速度。
   随后将writer关闭,这点很重要。
   对,创建索引就这么简单!
  当然你可能修改上面的代码获得更具个性化的服务。
4.2 索引文本文件
    如果你想把纯文本文件索引起来,而不想自己将它们读入字符串创建field,你可以用下面的代码创建field:
Field field = new Field("content", new FileReader(file));
    这里的file就是该文本文件。该构造函数实际上是读去文件内容,并对其进行索引,但不存储。

      日常开发中,相信大家经常会用like去匹配一些数据,同时我们也知道,like往往会导致全表扫描,当数据量越来越大的时候,我们会纠结于

Lucene 2 教程
Lucene是apache组织的一个用java实现全文搜索引擎的开源项目。 其功能非常的强大,api也很简单。总得来说用Lucene来进行建立 和搜索和操作数据库是差不多的(有点像),Document可以看作是 数据库的一行记录,Field可以看作是数据库的字段。用lucene实 现搜索引擎就像用JDBC实现连接数据库一样简单。
Lucene2.0,它与以前广泛应用和介绍的Lucene 1.4.3并不兼容。 Lucene2.0的下载地址是

数据库的龟速查找,此时我们必须另寻蹊跷,这时lucene就可以大显身手了。

例子一 :

     首先我们做一个demo,向数据库中插入10w条数据,总共778M。

1、在windows系统下的的C盘,建一个名叫s的文件夹,在该文件夹里面随便建三个txt文件,随便起名啦,就叫"1.txt","2.txt"和"3.txt"啦
其中1.txt的内容如下:
中华人民共和国  
全国人民  
2006年 
而"2.txt"和"3.txt"的内容也可以随便写几写,这里懒写,就复制一个和1.txt文件的内容一样吧

加拿大28开奖结果 1

2、下载lucene包,放在classpath路径中
建立索引:
package lighter.javaeye.com;  
 
import java.io.BufferedReader;  
import  java.io.File;  
import java.io.FileInputStream;  
import  java.io.IOException;  
import java.io.InputStreamReader;  
import  java.util.Date;  
 
import  org.apache.lucene.analysis.Analyzer;  
import org.apache.lucene.analysis.standard.StandardAnalyzer;  
import org.apache.lucene.document.Document;  
import org.apache.lucene.document.Field;  
import org.apache.lucene.index.IndexWriter;  
 
/** */ /**  
* author lighter date 2006-8-7 
  */  
public   class TextFileIndexer  {  
    public   static   void  main(String[] args)  throws Exception  {  
        /**/ /*  指明要索引文件夹的位置,这里是C盘的S文件夹下 */  
        File fileDir =   new  File( " c:\s " );  
 
        /**/ /*  这里放索引文件的位置  */  
        File indexDir =   new  File( " c:\index " );  
        Analyzer luceneAnalyzer =   new  StandardAnalyzer();  
        IndexWriter indexWriter =   new  IndexWriter(indexDir, luceneAnalyzer,  
                true );  
        File[] textFiles =  fileDir.listFiles();  
        long  startTime  =   new Date().getTime();  
          
        // 增加document到索引去   
        for  ( int  i  =   0 ; i  < textFiles.length; i ++ )  {  
            if  (textFiles[i].isFile()  
                    &&  textFiles[i].getName().endsWith( " .txt " ))  {  
                System.out.println(" File  "   + textFiles[i].getCanonicalPath()  
                        +   " 正在被索引. " );  
                String temp =  FileReaderAll(textFiles[i].getCanonicalPath(),  
                        " GBK " );  
                System.out.println(temp);  
                Document document =   new  Document();  
                Field FieldPath =   new  Field( " path ", textFiles[i].getPath(),  
                        Field.Store.YES, Field.Index.NO);  
                Field FieldBody =   new  Field( " body ", temp, Field.Store.YES,  
                        Field.Index.TOKENIZED,  
                        Field.TermVector.WITH_POSITIONS_OFFSETS);  
                document.add(FieldPath);  
                document.add(FieldBody);  
                indexWriter.addDocument(document);  
            }  
        }  
        // optimize()方法是对索引进行优化   
        indexWriter.optimize();  
        indexWriter.close();  
          
        // 测试一下索引的时间   
        long  endTime  =   new  Date().getTime();  
        System.out  
                .println(" 这花费了"  
                        +  (endTime  -  startTime)  
                        +   "  毫秒来把文档增加到索引里面去! "  
                        +  fileDir.getPath());  
    }   
 
     public   static String FileReaderAll(String FileName, String charset)  
            throws  IOException  {  
        BufferedReader reader =   new  BufferedReader( new InputStreamReader(  
                new  FileInputStream(FileName), charset));  
        String line =   new  String();  
        String temp =   new  String();  
          
        while  ((line  =  reader.readLine())  !=   null)  {  
            temp +=  line;  
        }  
        reader.close();  
        return  temp;  
    }   

索引的结果:
File C:s 1 .txt正在被索引.  
中华人民共和国全国人民2006年  
File C:s 2 .txt正在被索引.  
中华人民共和国全国人民2006年  
File C:s 3 .txt正在被索引.  
中华人民共和国全国人民2006年  
这花费了297 毫秒来把文档增加到索引里面去 ! c:s 

 

3、建立了索引之后,查询啦....
package  lighter.javaeye.com;  
 
import java.io.IOException;  
 
import org.apache.lucene.analysis.Analyzer;  
import org.apache.lucene.analysis.standard.StandardAnalyzer;  
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;  
 
public   class TestQuery  {  
    public   static   void  main(String[] args)  throws IOException, ParseException  {  
        Hits hits =   null ;  
        String queryString =   " 中华 ";  
        Query query =   null ;  
        IndexSearcher searcher =   new  IndexSearcher( " c:\index " );  
 
        Analyzer analyzer =   new  StandardAnalyzer();  
        try   {  
            QueryParser qp =   new  QueryParser( " body ", analyzer);  
            query =  qp.parse(queryString);  
        }  catch  (ParseException e)  {  
        }  
        if  (searcher  !=   null )  {  
            hits =  searcher.search(query);  
            if  (hits.length()  >   0 )  {  
                System.out.println(" 找到: "  +  hits.length()  +   "  个结果! " );  
            }  
        }  
    } 
 
}  
其运行结果:
找到: 3  个结果!

接下来,我们搜索下新闻内容中包含“流行”的记录。

Lucene 其实很简单的,它最主要就是做两件事:建立索引和进行搜索
来看一些在lucene中使用的术语,这里并不打算作详细的介绍,只是点一下而已----因为这一个世界有一种好东西,叫搜索。
IndexWriter:lucene中最重要的的类之一,它主要是用来将文档加入索引,同时控制索引过程中的一些参数使用。
Analyzer:分析器,主要用于分析搜索引擎遇到的各种文本。常用的有StandardAnalyzer分析器,StopAnalyzer分析器,WhitespaceAnalyzer分析器等。
Directory:索引存放的位置;lucene提供了两种索引存放的位置,一种是磁盘,一种是内存。一般情况将索引放在磁盘上;相应地lucene提供了FSDirectory和RAMDirectory两个类。
Document:文档;Document相当于一个要进行索引的单元,任何可以想要被索引的文件都必须转化为Document对象才能进行索引。
Field:字段。
IndexSearcher:是lucene中最基本的检索工具,所有的检索都会用到IndexSearcher工具;
Query:查询,lucene中支持模糊查询,语义查询,短语查询,组合查询等等,如有TermQuery,BooleanQuery,RangeQuery,WildcardQuery等一些类。
QueryParser: 是一个解析用户输入的工具,可以通过扫描用户输入的字符串,生成Query对象。
Hits:在搜索完成之后,需要把搜索结果返回并显示给用户,只有这样才算是完成搜索的目的。在lucene中,搜索的结果的集合是用Hits类的实例来表示的。
上面作了一大堆名词解释,下面就看几个简单的实例吧:
1、简单的的StandardAnalyzer测试例子

 

package  lighter.javaeye.com;  
 
import java.io.IOException;  
import java.io.StringReader;  
 
import org.apache.lucene.analysis.Analyzer;  
import  org.apache.lucene.analysis.Token;  
import org.apache.lucene.analysis.TokenStream;  
import org.apache.lucene.analysis.standard.StandardAnalyzer;  
 
public   class StandardAnalyzerTest   
{  
     // 构造函数,   
     public StandardAnalyzerTest()  
    {  
    }   
     public   static  void  main(String[] args)   
    {  
        // 生成一个StandardAnalyzer对象   
        Analyzer aAnalyzer =   new  StandardAnalyzer();  
        // 测试字符串  
        StringReader sr =   new  StringReader( "lighter javaeye com is the are on ");  
        // 生成TokenStream对象   
        TokenStream ts =  aAnalyzer.tokenStream( " name ", sr);   
        try   {  
            int  i = 0 ;  
            Token t =  ts.next();  
            while (t != null )  
            {  
                // 辅助输出时显示行号  
                i++ ;  
                // 输出处理后的字符  
                System.out.println(" 第 " + i + " 行: " + t.termText());  
                // 取得下一个字符  
                t= ts.next();  
            }  
        }  catch  (IOException e)  {  
            e.printStackTrace();  
        }  
    }   
}   
显示结果:
第1行:lighter
第2行:javaeye
第3行:com
提示一下:
StandardAnalyzer是lucene中内置的"标准分析器",可以做如下功能:
1、对原有句子按照空格进行了分词
2、所有的大写字母都可以能转换为小写的字母
3、可以去掉一些没有用处的单词,例如"is","the","are"等单词,也删除了所有的标点
查看一下结果与"newStringReader("lighter javaeye com is the are on")"作一个比较就清楚明了。
这里不对其API进行解释了,具体见lucene的官方文档。需要注意一点,这里的代码使用的是lucene2的API,与1.43版有一些明显的差别。
2、看另一个实例,简单地建立索引,进行搜索
package lighter.javaeye.com;  
import org.apache.lucene.analysis.standard.StandardAnalyzer;  
import org.apache.lucene.document.Document;  
import org.apache.lucene.document.Field;  
import  org.apache.lucene.index.IndexWriter;  
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.store.FSDirectory;  
 
public   class FSDirectoryTest  {  
 
     // 建立索引的路径   
     public   static  final  String path  =   " c:\index2 ";  
 
    public   static   void  main(String[] args)  throws Exception  {  
        Document doc1 =   new  Document();  
        doc1.add( new  Field( " name " ,  "lighter javaeye com " ,Field.Store.YES,Field.Index.TOKENIZED));  
 
        Document doc2 =   new  Document();  
        doc2.add(new  Field( " name " ,  " lighter blog ",Field.Store.YES,Field.Index.TOKENIZED));  
 
        IndexWriter writer =   new  IndexWriter(FSDirectory.getDirectory(path,  true),  new  StandardAnalyzer(),  true );  
        writer.setMaxFieldLength(3 );  
        writer.addDocument(doc1);  
        writer.setMaxFieldLength(3 );  
        writer.addDocument(doc2);  
        writer.close();  
 
        IndexSearcher searcher =   new  IndexSearcher(path);  
        Hits hits =   null ;  
        Query query =   null ;  
        QueryParser qp =   new  QueryParser( " name " , new StandardAnalyzer());  
          
        query =  qp.parse( " lighter " );  
        hits =  searcher.search(query);  
        System.out.println(" 查找 " lighter "  共 "   +  hits.length()  +  " 个结果 " );  
 
        query =  qp.parse( " javaeye " );  
        hits =  searcher.search(query);  
        System.out.println(" 查找 " javaeye "  共 "   +  hits.length()  +  " 个结果 " );  
 
    }   
 
}  
运行结果:
查找 " lighter "  共2个结果  
查找 " javaeye "  共1个结果

加拿大28开奖结果 2

到现在我们已经可以用lucene建立索引了
下面介绍一下几个功能来完善一下:
1.索引格式

 

其实索引目录有两种格式,

mmd,检索一下要78s,是谁都要砸了面前的破机子。

一种是除配置文件外,每一个Document独立成为一个文件(这种搜索起来会影响速度)。

下面我们来看看lucene的效果怎么样。下载地址:

另一种是全部的Document成一个文件,这样属于复合模式就快了。

 1 using System;
 2 using System.Collections.Generic;
 3 using System.Linq;
 4 using System.Text;
 5 using Lucene.Net.Index;
 6 using Lucene.Net.Store;
 7 using Lucene.Net.Analysis.Standard;
 8 using Lucene.Net.Documents;
 9 using System.Data;
10 using System.Diagnostics;
11 using Lucene.Net.Search;
12 
13 using Lucene.Net.QueryParsers;
14 
15 namespace First
16 {
17     class Program
18     {
19         static string path = @"D:Sample";
20 
21         static void Main(string[] args)
22         {
23             //创建索引
24             CreateIndex();
25 
26             var watch = Stopwatch.StartNew();
27 
28             //搜索
29             IndexSearcher search = new IndexSearcher(path);
30 
31             //查询表达式
32             QueryParser query = new QueryParser(string.Empty, new StandardAnalyzer());
33 
34             //query.parse:注入查询条件
35             var hits = search.Search(query.Parse("Content:流行"));
36 
37             for (int i = 0; i < hits.Length(); i++)
38             {
39                 Console.WriteLine("当前内容:{0}", hits.Doc(i).Get("Content").Substring(0, 20) + "...");
40             }
41 
42             watch.Stop();
43 
44             Console.WriteLine("搜索耗费时间:{0}", watch.ElapsedMilliseconds);
45         }
46 
47         static void CreateIndex()
48         {
49             //创建索引库目录
50             var directory = FSDirectory.GetDirectory(path, true);
51 
52             //创建一个索引,采用StandardAnalyzer对句子进行分词
53             IndexWriter indexWriter = new IndexWriter(directory, new StandardAnalyzer());
54 
55             var reader = DbHelperSQL.ExecuteReader("select * from News");
56 
57             while (reader.Read())
58             {
59                 //域的集合:文档,类似于表的行
60                 Document doc = new Document();
61 
62                 //要索引的字段
63                 doc.Add(new Field("ID", reader["ID"].ToString(), Field.Store.YES, Field.Index.NOT_ANALYZED));
64                 doc.Add(new Field("Title", reader["Title"].ToString(), Field.Store.NO, Field.Index.ANALYZED));
65                 doc.Add(new Field("Content", reader["Content"].ToString(), Field.Store.YES, Field.Index.ANALYZED));
66 
67                 indexWriter.AddDocument(doc);
68             }
69 
70             reader.Close();
71 
72             //对索引文件进行优化
73             indexWriter.Optimize();
74 
75             indexWriter.Close();
76         }
77     }
78 }

2.索引文件可放的位置:

  

索引可以存放在两个地方1.硬盘,2.内存
放在硬盘上可以用FSDirectory(),放在内存的用RAMDirectory()不过一关机就没了
FSDirectory.getDirectory(File file, boolean  create)
FSDirectory.getDirectory(String path, boolean  create)
两个工厂方法返回目录
New RAMDirectory()就直接可以
再和
IndexWriter(Directory d, Analyzer a, boolean  create)
一配合就行了
如:
IndexWrtier indexWriter  =  new  IndexWriter(FSDirectory.getDirectory(“c:\index”, true ), new StandardAnlyazer(), true );
IndexWrtier indexWriter  =  new  IndexWriter( new  RAMDirectory(), new  StandardAnlyazer(),true );
3.索引的合并
这个可用
IndexWriter.addIndexes(Directory[] dirs)
将目录加进去
来看个例子:
public   void  UniteIndex() throws  IOException
    {
        IndexWriter writerDisk =   new  IndexWriter(FSDirectory.getDirectory( " c:\indexDisk" ,  true ), new  StandardAnalyzer(), true );
        Document docDisk =   new  Document();
        docDisk.add(new  Field( " name " , " 程序员之家 " ,Field.Store.YES,Field.Index.TOKENIZED));
        writerDisk.addDocument(docDisk);
        RAMDirectory ramDir =   new  RAMDirectory();
        IndexWriter writerRam =   new  IndexWriter(ramDir, new  StandardAnalyzer(), true );
        Document docRam =   new  Document();
        docRam.add(new  Field( " name " , " 程序员杂志 " ,Field.Store.YES,Field.Index.TOKENIZED));
        writerRam.addDocument(docRam);
        writerRam.close();// 这个方法非常重要,是必须调用的
        writerDisk.addIndexes(new  Directory[] {ramDir} );
        writerDisk.close();
    }
     public   void UniteSearch()  throws  ParseException, IOException
    {
        QueryParser queryParser =   new  QueryParser( " name " , new StandardAnalyzer());
        Query query =  queryParser.parse( " 程序员 " );
        IndexSearcher indexSearcher = new  IndexSearcher( " c:\indexDisk " );
        Hits hits =  indexSearcher.search(query);
        System.out.println(" 找到了 " + hits.length() + " 结果 " );
        for ( int  i = 0 ;i
        {
            Document doc =  hits.doc(i);
            System.out.println(doc.get(" name " ));
        }
}

加拿大28开奖结果 3

这个例子是将内存中的索引合并到硬盘上来.
注意:合并的时候一定要将被合并的那一方的IndexWriter的close()方法调用。

 

4.对索引的其它操作:
IndexReader类是用来操作索引的,它有对Document,Field的删除等操作。
下面一部分的内容是:全文的搜索
全文的搜索主要是用:IndexSearcher,Query,Hits,Document(都是Query的子类),有的时候用QueryParser
主要步骤:
1 . new  QueryParser(Field字段, new  分析器)
2 .Query query  = QueryParser.parser(“要查询的字串”);这个地方我们可以用反射api看一下query究竟是什么类型
3 . new  IndexSearcher(索引目录).search(query);返回Hits
4 .用Hits.doc(n);可以遍历出Document
5 .用Document可得到Field的具体信息了。
其实1 ,2两步就是为了弄出个Query 实例,究竟是什么类型的看分析器了。

我靠,448ms,顿时78s黯然失色,当然这个时间是不包含"创建索引“的时间,从时间复杂度上来说,这种预加载索引算是常量。

拿以前的例子来说吧
QueryParser queryParser  =  new  QueryParser( " name " , new  StandardAnalyzer());
        Query query =  queryParser.parse( " 程序员 " );
/**/ /* 这里返回的就是org.apache.lucene.search.PhraseQuery */
        IndexSearcher indexSearcher = new  IndexSearcher( " c:\indexDisk " );
        Hits hits =  indexSearcher.search(query);

 

不管是什么类型,无非返回的就是Query的子类,我们完全可以不用这两步直接new个Query的子类的实例就ok了,不过一般还是用这两步因为它返回的是PhraseQuery这个是非常强大的query子类它可以进行多字搜索用QueryParser可以设置各个关键字之间的关系这个是最常用的了。
IndexSearcher:
其实IndexSearcher它内部自带了一个IndexReader用来读取索引的,IndexSearcher有个close()方法,这个方法不是用来关闭IndexSearche的是用来关闭自带的IndexReader。

作为入门,简单的介绍下lucene的实现过程,首先lucene主要分成两步:"索引"和"搜索"。

QueryParser呢可以用parser.setOperator()来设置各个关键字之间的关系(与还是或)它可以自动通过空格从字串里面将关键字分离出来。
注意:用QueryParser搜索的时候分析器一定的和建立索引时候用的分析器是一样的。
Query:
可以看一个lucene2.0的帮助文档有很多的子类:
BooleanQuery, ConstantScoreQuery, ConstantScoreRangeQuery, DisjunctionMaxQuery,FilteredQuery, MatchAllDocsQuery, MultiPhraseQuery, MultiTermQuery,PhraseQuery, PrefixQuery, RangeQuery, SpanQuery, TermQuery
各自有用法看一下文档就能知道它们的用法了
下面一部分讲一下lucene的分析器:
分析器是由分词器和过滤器组成的,拿英文来说吧分词器就是通过空格把单词分开,过滤器就是把the,to,of等词去掉不被搜索和索引。
我们最常用的是StandardAnalyzer()它是lucene的标准分析器它集成了内部的许多的分析器。
最后一部分了:lucene的高级搜索了
1.排序
Lucene有内置的排序用IndexSearcher.search(query,sort)但是功能并不理想。我们需要自己实现自定义的排序。
这样的话得实现两个接口: ScoreDocComparator,SortComparatorSource
用IndexSearcher.search(query,newSort(new SortField(String Field,SortComparatorSource)));
就看个例子吧:
这是一个建立索引的例子:
public   void  IndexSort() throws  IOException
{
        IndexWriter writer =   new  IndexWriter( " C:\indexStore " , new StandardAnalyzer(), true );
        Document doc =   new  Document()
        doc.add(new  Field( " sort " , " 1 ",Field.Store.YES,Field.Index.TOKENIZED));
        writer.addDocument(doc);
        doc =   new  Document();
        doc.add(new  Field( " sort " , " 4 ",Field.Store.YES,Field.Index.TOKENIZED));
        writer.addDocument(doc);
        doc =   new  Document();
        doc.add(new  Field( " sort " , " 3 ",Field.Store.YES,Field.Index.TOKENIZED));
        writer.addDocument(doc);
        doc =   new  Document();
        doc.add(new  Field( " sort " , " 5 ",Field.Store.YES,Field.Index.TOKENIZED));
        writer.addDocument(doc);
        doc =   new  Document();
        doc.add(new  Field( " sort " , " 9 ",Field.Store.YES,Field.Index.TOKENIZED));
        writer.addDocument(doc);
        doc =   new  Document();
        doc.add(new  Field( " sort " , " 6 " ,Field.Store.YES,Field.Index.TOKENIZED));
        writer.addDocument(doc);
        doc =   new  Document();
        doc.add(new  Field( " sort " , " 7 ",Field.Store.YES,Field.Index.TOKENIZED));
        writer.addDocument(doc);
        writer.close();
}

 

下面是搜索的例子:

一:索引:

public void SearchSort1() throws IOException, ParseException

{

        IndexSearcher indexSearcher = newIndexSearcher("C:\indexStore");

        QueryParser queryParser = newQueryParser("sort",new StandardAnalyzer());

        Query query =queryParser.parse("4");



        Hits hits =indexSearcher.search(query);

        System.out.println("有"+hits.length()+"个结果");

        Document doc = hits.doc(0);

       System.out.println(doc.get("sort"));

}

public void SearchSort2() throws IOException, ParseException

{

        IndexSearcher indexSearcher = newIndexSearcher("C:\indexStore");

        Query query = new RangeQuery(newTerm("sort","1"),newTerm("sort","9"),true);//这个地方前面没有提到,它是用于范围的Query可以看一下帮助文档.

        Hits hits =indexSearcher.search(query,new Sort(new SortField("sort",newMySortComparatorSource())));

        System.out.println("有"+hits.length()+"个结果");

        for(int i=0;i

        {

            Document doc= hits.doc(i);

           System.out.println(doc.get("sort"));

        }

}

public class MyScoreDocComparator implements ScoreDocComparator

{

    private Integer[]sort;

    public MyScoreDocComparator(String s,IndexReader reader,String fieldname) throws IOException

    {

        sort = new Integer[reader.maxDoc()];

        for(int i = 0;i

        {

            Document doc=reader.document(i);

            sort[i]=newInteger(doc.get("sort"));

        }

    }

    public int compare(ScoreDoc i, ScoreDoc j)

    {

        if(sort[i.doc]>sort[j.doc])

            return 1;

        if(sort[i.doc]

            return -1;

        return 0;

    }

    public int sortType()

    {

        return SortField.INT;

    }

    public Comparable sortValue(ScoreDoc i)

    {

        // TODO 自动生成方法存根

        return new Integer(sort[i.doc]);

    }

}

public class MySortComparatorSource implements SortComparatorSource

{

    private static final long serialVersionUID =-9189690812107968361L;

    public ScoreDocComparator newComparator(IndexReader reader,String fieldname)

            throwsIOException

    {

       if(fieldname.equals("sort"))

            return newMyScoreDocComparator("sort",reader,fieldname);

        return null;

    }

}

相信大家对索引还是比较熟悉的,lucene能够将我们内容切分成很多词,然后将词作为key,建立“倒排索引”,然后放到索引库中,在上面

SearchSort1()输出的结果没有排序,SearchSort2()就排序了。
2.多域搜索MultiFieldQueryParser
如果想输入关键字而不想关心是在哪个Field里的就可以用MultiFieldQueryParser了
用它的构造函数即可后面的和一个Field一样。
MultiFieldQueryParser. parse(String[] queries, String[] fields,BooleanClause.Occur[] flags, Analyzeranalyzer)                                         ~~~~~
第三个参数比较特殊这里也是与以前lucene1.4.3不一样的地方
看一个例子就知道了
String[] fields = {"filename", "contents", "description"};
BooleanClause.Occur[] flags = {BooleanClause.Occur.SHOULD,
               BooleanClause.Occur.MUST,//在这个Field里必须出现的
               BooleanClause.Occur.MUST_NOT};//在这个Field里不能出现
MultiFieldQueryParser.parse("query", fields, flags, analyzer);

的例子中,我们看到了索引过程中使用到了IndexWriter,FSDirectory,StandardAnalyzer,Document和Field这些类,下面简要分析下。

1、lucene的索引不能太大,要不然效率会很低。大于1G的时候就必须考虑分布索引的问题
2、不建议用多线程来建索引,产生的互锁问题很麻烦。经常发现索引被lock,无法重新建立的情况
3、中文分词是个大问题,目前免费的分词效果都很差。如果有能力还是自己实现一个分词模块,用最短路径的切分方法,网上有教材和demo源码,可以参考。
4、建增量索引的时候很耗cpu,在访问量大的时候会导致cpu的idle为0
5、默认的评分机制不太合理,需要根据自己的业务定制

 

整体来说lucene要用好不容易,必须在上述方面扩充他的功能,才能作为一个商用的搜索引擎

1:IndexWriter

    我们看到该类有一个AddDocument方法,所以我们认为该类实现了索引的写入操作。

 

2:FSDirectory

    这个就更简单了,提供了索引库的存放位置,比如我们这里的D:Sample,或许有人问,能不能存放在内存中,在强大的lucene面前当然

可以做到,lucene中的RAMDirectory就可以实现,当然我们的内存足够大的话,还是可以用内存承载索引库,进而提高搜索的效率。

本文由加拿大28开奖官网发布于新闻,转载请注明出处:luence

关键词: