Lucene.net的简单使用

一.Lucene.net的简单介绍

1.为什么要使用Lucene.net
       使用like的模糊查询，模糊度太低，中间添加几个字就无法查找。同时会造成数据库的全文检索，效率低下，数据库服务器造成太大的压力，Lucenenet只是一个全文检索引擎开发包，并不是一个完整的搜索引擎，不像www.baidu.com这些成熟的搜索引擎，它只是一个开发的框架，可以实现某些产品
2.Lucene.net的作用
       就是利用某种分词算法将文本文件进行切词，然后将分好的词放在索引库中，查询的时候从索引库中进行搜索
二.分词

Lucene.net的使用的时候需要对对文本进行分词，具体的分词算法：一元分词，二元分词和基于词库的分词，一元分词的Analyzer在Lucene.net中已经集成，二元分词算法的分析器网上也有很多，但是这两种分析器在实际的应用中作用并不是很大，主要有实际应用的还是按照词库进行分词的分析器，常用的就是盘古分词。引入Lucene.net.dll文件，接下来就这些分词算法进行演示。

一元分词

   /// <summary>
         /// 一元分词
         /// </summary>
         /// <param name="sender"></param>
         /// <param name="e"></param>
         private void button1_Click(object sender, EventArgs e)
         {
             textBox1.Text = string.Empty;
             //分析器
             string sentence = textBox2.Text;
             if (!string.IsNullOrEmpty(sentence))
             {
                 Analyzer analyzer = new StandardAnalyzer();
                 TokenStream tokenStream = analyzer.TokenStream("", new StringReader(sentence));
                 Lucene.Net.Analysis.Token token = null;
                 while ((token = tokenStream.Next()) != null)
                 {
                     textBox1.Text += token.TermText() + "--";
                 }
             }
         }

二元分词

  /// <summary>
         /// 二元分词 算法分析器是网上写好的类
         /// </summary>
         /// <param name="sender"></param>
         /// <param name="e"></param>
         private void button2_Click(object sender, EventArgs e)
         {
             textBox1.Text = string.Empty;
              string sentence = textBox2.Text;
              if (!string.IsNullOrEmpty(sentence))
              {
                  Analyzer analyzer = new CJKAnalyzer();
                  TokenStream tokenStream = analyzer.TokenStream("", new StringReader(sentence));
                  Lucene.Net.Analysis.Token token = null;
                  while ((token = tokenStream.Next()) != null)
                  {
                      textBox1.Text += token.TermText() + "--";
                  }
              }
         }

盘古分词（此时需要引入盘古分词的两个dll,同时添加票盘古分词的词库文件夹Dict）

 /// <summary>
         /// 盘古分词，基于词库的分词
         /// </summary>
         /// <param name="sender"></param>
         /// <param name="e"></param>
         private void button3_Click(object sender, EventArgs e)
         {
             textBox1.Text = string.Empty;
               string sentence = textBox2.Text;
               if (!string.IsNullOrEmpty(sentence))
               {
                   Analyzer analyzer = new PanGuAnalyzer();
                   TokenStream tokenStream = analyzer.TokenStream("", new StringReader(sentence));
                   Lucene.Net.Analysis.Token token = null;
                   while ((token = tokenStream.Next()) != null)
                   {
                       textBox1.Text += token.TermText() + "--";
                   }
               }
         }

盘古分词可能并没有包含你想要的词汇，所以可以通过盘古分词管理工具，对盘古分词的词库进行修改，添加相应的词。

三.使用盘古分词为Lucene.net创建索引库，并实现搜索（粗略的实现，里面一些锁的问题没有解决）

上面进行创建索引的时候，盘古分词的词库中并没有“面向对象编程”这个分词，所以使用它进行查询的时候，Lucene.net的索引库中没有这个词根，可以根据实际情况通过盘古分词管理工具，向词库中添加词汇，然后创建出索引库。

  /// <summary>
         /// 创建索引
         /// </summary>
         /// <param name="sender"></param>
         /// <param name="e"></param>
         private void button4_Click(object sender, EventArgs e)
         {
             //将创建的分词内容放在该目录下
             string indexPath = @"D:\LuceneTestDir";
             //为Lucent.net指定索引文件(打开索引目录) FS指的是就是FileSystem
             FSDirectory directory = FSDirectory.Open(new DirectoryInfo(indexPath), new NativeFSLockFactory());
             //IndexReader:对索引进行读取的类。该语句的作用：判断索引库文件夹是否存在以及索引特征文件是否存在。
             bool isUpdate = IndexReader.IndexExists(directory);
             if (isUpdate)
             {
                 //同时只能有一段代码对索引库进行写操作。当使用IndexWriter打开directory时会自动对索引库文件上锁。
                 //如果索引目录被锁定（比如索引过程中程序异常退出），则首先解锁（提示一下：如果我现在正在写着已经加锁了，但是还没有写完，这时候又来一个请求，那么不就解锁了吗？这个问题后面会解决）
                 if (IndexWriter.IsLocked(directory))
                 {
                     IndexWriter.Unlock(directory);
                 }
             }
             //向索引库中写索引。这时在这里加锁。同时指定分词算法是盘古分词
             //通过writer会将索引写到我们制定的文件夹目录下
             IndexWriter writer = new IndexWriter(directory, new PanGuAnalyzer(), !isUpdate, Lucene.Net.Index.IndexWriter.MaxFieldLength.UNLIMITED);
             for (int i = ; i <= ; i++)
             {
                 //我们需要添加到Lucene.net索引库的文件
                 string txt = File.ReadAllText(@"D:\测试文件\" + i + ".txt", System.Text.Encoding.Default);//注意这个地方的编码
                 Document document = new Document();//表示一篇文档。
                 //Field.Store.YES:表示是否存储原值。只有当Field.Store.YES在后面才能用doc.Get("number")取出值来.Field.Index. NOT_ANALYZED:不进行分词保存
                 document.Add(new Field("number", i.ToString(), Field.Store.YES, Field.Index.NOT_ANALYZED));

                 //Field.Index. ANALYZED:进行分词保存:也就是要进行全文的字段要设置分词 保存（因为要进行模糊查询）

                 //Lucene.Net.Documents.Field.TermVector.WITH_POSITIONS_OFFSETS:不仅保存分词还保存分词的距离。
                 document.Add(new Field("body", txt, Field.Store.YES, Field.Index.ANALYZED, Lucene.Net.Documents.Field.TermVector.WITH_POSITIONS_OFFSETS));
                 writer.AddDocument(document);

             }
             writer.Close();//会自动解锁。
             directory.Close();//不要忘了Close，否则索引结果搜不到
         }

         /// <summary>
         /// 搜索
         /// </summary>
         /// <param name="sender"></param>
         /// <param name="e"></param>
 private void button5_Click(object sender, EventArgs e)
         {
             string indexPath = @"D:\LuceneTestDir";
             string kw = textBox3.Text;
             if (string.IsNullOrEmpty(kw))
             {
                 return;
             }

             FSDirectory directory = FSDirectory.Open(new DirectoryInfo(indexPath), new NoLockFactory());
             IndexReader reader = IndexReader.Open(directory, true);
             IndexSearcher searcher = new IndexSearcher(reader);
             //搜索条件，可以同时制定多个搜索条件
             PhraseQuery query = new PhraseQuery();
             query.Add(new Term("body", kw));//body中含有kw的文章
             query.SetSlop();//多个查询条件的词之间的最大距离.在文章中相隔太远 也就无意义.
             //TopScoreDocCollector是盛放查询结果的容器
             TopScoreDocCollector collector = TopScoreDocCollector.create(, true);
             //根据query查询条件进行查询，查询结果放入collector容器
             searcher.Search(query, null, collector);
             //得到所有查询结果中的文档,GetTotalHits():表示总条数   TopDocs(300, 20);//表示得到300（从300开始），到320（结束）的文档内容.
             //可以用来实现分页功能
             ScoreDoc[] docs = collector.TopDocs(, collector.GetTotalHits()).scoreDocs;
             this.listBox1.Items.Clear();
             for (int i = ; i < docs.Length; i++)
             {
                 //搜索ScoreDoc[]只能获得文档的id,这样不会把查询结果的Document一次性加载到内存中。降低了内存压力，需要获得文档的详细内容的时候通过searcher.Doc来根据文档id来获得文档的详细内容对象Document.
                 int docId = docs[i].doc;//得到查询结果文档的id（Lucene内部分配的id）
                 Document doc = searcher.Doc(docId);//找到文档id对应的文档详细信息
                 this.listBox1.Items.Add(doc.Get("number") + "\n");// 取出放进字段的值
                 this.listBox1.Items.Add(doc.Get("body") + "\n");
                 this.listBox1.Items.Add("-----------------------\n");
             }
         }