Lucene查询索引

索引创建

以新闻文档为例，每条新闻是一个document，新闻有news_id、news_title、news_source、news_url、news_abstract、news_keywords这6个域，添加两个news document到索引中，下面再贴一下创建索引的代码：

package ucas.ir.lucene;

import java.io.File;
import java.io.IOException;

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.Store;
import org.apache.lucene.document.*;
import org.apache.lucene.document.StringField;
import org.apache.lucene.document.TextField;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.index.IndexWriterConfig.OpenMode;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;

public class CreateIndex {

    public static void main(String[] args) {
        // 第一步：创建分词器
        Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_43);
        // 第二步：创建indexWriter配置信息
        IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_43, analyzer);
        // 第三步：设置索引的打开方式
        indexWriterConfig.setOpenMode(OpenMode.CREATE);
        // 第四步：设置索引第路径
        Directory directory = null;
        // 第五步:创建indexWriter,用于索引第增删改.
        IndexWriter indexWriter = null;

        try {
            File indexpath = new File("/Users/yp/Documents/workspace/UCASIR/WebContent/index");
            if (indexpath.exists() != true) {
                indexpath.mkdirs();
            }
            directory = FSDirectory.open(indexpath);
            if (indexWriter.isLocked(directory)) {
                indexWriter.unlock(directory);
            }
            indexWriter = new IndexWriter(directory, indexWriterConfig);

        } catch (IOException e) {
            e.printStackTrace();
        }

        Document doc1 = new Document();
        doc1.add(new IntField("news_id", 1, Store.YES));
        doc1.add(new TextField("news_title", "围棋界对阿法狗集体服软 柯洁能成为人脑救星吗", Store.YES));
        doc1.add(new TextField("news_source", "搜狐体育", Store.YES));
        doc1.add(new TextField("news_url", "http://sports.sohu.com/20160316/n440533081.shtml", Store.YES));
        doc1.add(new TextField("news_abstract",
                "2016年3月16日 - 阿法狗4比1大胜李世石，它的表现几乎征服了整个围棋界，世界冠军级棋手们纷纷表示自己不是阿法狗的对手", Store.YES));
        doc1.add(new TextField("news_keywords", "阿法狗,李世石,柯洁", Store.YES));

        Document doc2 = new Document();
        doc2.add(new IntField("news_id", 2, Store.YES));
        doc2.add(new TextField("news_title", "任志强违纪究竟违反了什么？内幕惊动党中央", Store.YES));
        doc2.add(new TextField("news_source", "西陆频道", Store.YES));
        doc2.add(new TextField("news_url", "http://www.xilu.com/20160302/1000010000932707.html", Store.YES));
        doc2.add(new TextField("news_abstract",
                "2016年3月2日 - 核心:任志强在公开场合发表坚持资产阶级自由化立场、反对四项基本原则、反对党的改革开放决策的言论,妄议中央大政方针,公开与中央唱反调,背离了党的根本宗...",
                Store.YES));
        doc2.add(new TextField("news_keywords", "任志强,微博,被关", Store.YES));

        try {
            indexWriter.addDocument(doc1);
            indexWriter.addDocument(doc2);
            indexWriter.commit();
            indexWriter.close();
            directory.close();
        } catch (IOException e) {
            e.printStackTrace();
        }

        System.out.println("index create success!");
    }
}

再luke中查看：

检索索引

索引创建好以后，查询可分为以下几个步骤：

1.设置查询索引的目录(这里就是上面创建索引的目录).

2.创建indexSearcher.

3.设置query的分词方式

4.设置查询域(比如查询域为”news_title”,那么就到新闻标题域去比对)

5.设置查询字符串，也就是要查询的关键词.

6.返回结果是一个文档集合，放在TopDocs中，通过循环TopDocs数组输出查询结果.

package ucas.ir.lucene;

import java.io.File;
import java.io.IOException;

import javax.print.Doc;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.core.KeywordAnalyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;

public class IndexSearch {

    public static void main(String[] args) {
        Directory directory = null;
        try {
            File indexpath = new File("/Users/yp/Documents/workspace/UCASIR/WebContent/index");
            if (indexpath.exists() != true) {
                indexpath.mkdirs();
            }
            //设置要查询的索引目录
            directory = FSDirectory.open(indexpath);
            //创建indexSearcher
            DirectoryReader dReader = DirectoryReader.open(directory);
            IndexSearcher searcher = new IndexSearcher(dReader);
            //设置分词方式
            Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_43);

            //设置查询域
            QueryParser parser = new QueryParser(Version.LUCENE_43, "news_title", analyzer);
            // 查询字符串
            Query query = parser.parse("阿法狗");
            System.out.println("query:"+query.toString());
            // 返回前10条
            TopDocs topDocs = searcher.search(query, 10);
            if (topDocs != null) {
                System.out.println("符合条件第文档总数：" + topDocs.totalHits);

                for (int i = 0; i < topDocs.scoreDocs.length; i++) {
                    Document doc = searcher.doc(topDocs.scoreDocs[i].doc);
                    System.out.println("news_id= " + doc.get("news_id"));
                    System.out.println("news_title= " + doc.get("news_title"));
                    System.out.println("news_source=" + doc.get("news_source"));
                    System.out.println("news_url=" + doc.get("news_url"));
                    System.out.println("news_abstract=" + doc.get("news_abstract"));
                    System.out.println("news_keywords=" + doc.get("news_keywords"));
                }
            }

            directory.close();
            dReader.close();
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

}

这个例子中设置的查询域为news_title，查询词为”阿法狗”，那么新闻标题中有”阿法狗”的就会被返回。

结果：

query:news_title:阿 news_title:法 news_title:狗
符合条件第文档总数：1
news_id= 1
news_title= 围棋界对阿法狗集体服软 柯洁能成为人脑救星吗
news_source=搜狐体育
news_url=http://sports.sohu.com/20160316/n440533081.shtml
news_abstract=2016年3月16日 - 阿法狗4比1大胜李世石，它的表现几乎征服了整个围棋界，世界冠军级棋手们纷纷表示自己不是阿法狗的对手
news_keywords=阿法狗,李世石,柯洁

查询域设置为news_keywords,查询词设置为微博，检索结果：

query:news_keywords:微 news_keywords:博
符合条件第文档总数：1
news_id= 2
news_title= 任志强违纪究竟违反了什么？内幕惊动党中央
news_source=西陆频道
news_url=http://www.xilu.com/20160302/1000010000932707.html
news_abstract=2016年3月2日 - 核心:任志强在公开场合发表坚持资产阶级自由化立场、反对四项基本原则、反对党的改革开放决策的言论,妄议中央大政方针,公开与中央唱反调,背离了党的根本宗...
news_keywords=任志强,微博,被关

总结

Lucene有多种分词方式和查询方式，上面的例子索引创建和索引查询都用的标准分词，后面会继续学习。