站内搜索——Lucene +盘古分词

为了方便的学习站内搜索，下面我来演示一个MVC项目。

1.首先在项目中【添加引入】三个程序集和【Dict】文件夹，并新建一个【分词内容存放目录】

Lucene.Net.dll、PanGu.dll、PanGu.Lucene.Analyzer.dll

链接：http://pan.baidu.com/s/1eS6W8s6 密码：ds8b

链接:链接：http://pan.baidu.com/s/1geYyDnt 密码：8rq4

2.建立Search控制器，并转到Index界面写入如下内容:

PS:VS有问题，波浪号由他去吧，，，

----------后台语句-------

->创建索引语句

      public ActionResult SearchContent()
        {
            //首先根据name区分是点击的哪个按钮
            if (!String.IsNullOrEmpty(Request.Form["btnSearch"]))//执行搜索
            {

            }
            else//创建索引
            {
                CreateSearchIndex();//调用创建索引语句
            }
            return Content("OK");
        }
        //创建索引语句
        public void CreateSearchIndex()
        {
            string indexPath = @"H:\lucenedir";//注意和磁盘上文件夹的大小写一致，否则会报错。将创建的分词内容放在该目录下
            FSDirectory directory = FSDirectory.Open(new DirectoryInfo(indexPath), new NativeFSLockFactory());
            bool isUpdate = IndexReader.IndexExists(directory);//判断索引库是否存在
            if (isUpdate)
            {
                //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
                //Lucene.Net在写索引库之前会自动加锁，在close的时候会自动解锁
                //不能多线程执行，只能处理意外被永远锁定的情况
                if (IndexWriter.IsLocked(directory))
                {
                    IndexWriter.Unlock(directory);//un-否定。强制解锁
                }
            }
            IndexWriter writer = new IndexWriter(directory, new PanGuAnalyzer(), !isUpdate, Lucene.Net.Index.IndexWriter.MaxFieldLength.UNLIMITED);
            //-------调用业务层拿到所有的数据
            Search.BLL.UserGUIDBll bll = new Search.BLL.UserGUIDBll();
            List<Search.Model.UserInfo> list=bll.SelectAll();
            foreach (UserInfo item in list)
            {
                Document document = new Document();//一条Document相当于一条记录
                document.Add(new Field("id",item.UserId.ToString(), Field.Store.YES, Field.Index.NOT_ANALYZED));//每个Document可以有自己的属性（字段），所有字段名都是自定义的，值都是string类型
                //想给用户展示什么就往词库里面添加什么
                document.Add(new Field("title",item.UserName, Field.Store.YES, Field.Index.ANALYZED, Lucene.Net.Documents.Field.TermVector.WITH_POSITIONS_OFFSETS));
                document.Add(new Field("content", item.UserContent, 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
        }

　　执行创建索引语句，将看到分词内容文件夹里面将多一些东西，这些就是用来以后检索的

->执行索引语句

    public ActionResult SearchContent()
        {
            //首先根据name区分是点击的哪个按钮
            if (!String.IsNullOrEmpty(Request.Form["btnSearch"]))//执行搜索
            {
              List<ViewSearchContentModel> recList=SearchBookContent();
              ViewData["searchList"] = recList;
              return View("Index");
            }
            else//创建索引
            {
               CreateSearchIndex();//调用创建索引语句

            }
            return Content("OK");
        }

SearchBookContent类：

   //执行索引语句
        public List<ViewSearchContentModel> SearchBookContent()
        {
            string indexPath = @"H:\lucenedir"; //lucene存数据的路径
             string searchTxt = Request.Form["txtContent"];//获取用户输入的内容
            //将用户输入的内容进行分词
             List<string> kw=SearchController.GetPanGuWord(searchTxt);

            //string kw = "没有";
            FSDirectory directory = FSDirectory.Open(new DirectoryInfo(indexPath), new NoLockFactory());
            IndexReader reader = IndexReader.Open(directory, true);
            IndexSearcher searcher = new IndexSearcher(reader);
            PhraseQuery query = new PhraseQuery();//查询条件
            //query.Add(new Term("msg", kw));//where contains("msg",kw)  这里的msg对应上面的msg
            foreach (string word in kw)//先用空格，让用户去分词，空格分隔的就是词“计算机 专业”
            {
                query.Add(new Term("content", word));//contains("msg",word)
            }
            query.SetSlop(100);//两个词的距离大于100（经验值）就不放入搜索结果，因为距离太远相关度就不高了
            TopScoreDocCollector collector = TopScoreDocCollector.create(1000, true);//盛放查询结果的容器
            searcher.Search(query, null, collector);//使用query这个查询条件进行搜索，搜索结果放入collector
            //collector.GetTotalHits()总的结果条数
            ScoreDoc[] docs = collector.TopDocs(0, collector.GetTotalHits()).scoreDocs;//从查询结果中取出第m条到第n条的数据

            List<ViewSearchContentModel> list = new List<ViewSearchContentModel>();
            for (int i = 0; i < docs.Length; i++)//遍历查询结果
            {
                ViewSearchContentModel viewModel = new ViewSearchContentModel();
                int docId = docs[i].doc;//拿到文档的id。因为Document可能非常占内存（DataSet和DataReader的区别）
                //所以查询结果中只有id，具体内容需要二次查询
                Document doc = searcher.Doc(docId);//根据id查询内容。放进去的是Document，查出来的还是Document
                viewModel.Id = doc.Get("id");
                viewModel.Title = doc.Get("title");
                viewModel.Content = doc.Get("content");
                list.Add(viewModel);
            }
            return list;

        }
        class SearchResult
        {
            public int Id { get; set; }
            public string Msg { get; set; }
        }
        //利用盘古分词对用户输入的内容进行分词
        public static List<string> GetPanGuWord(string str)
        {
            List<string> list=new List<string>();
            Analyzer analyzer = new PanGuAnalyzer();
            TokenStream tokenStream = analyzer.TokenStream("", new StringReader(str));
            Lucene.Net.Analysis.Token token = null;
            while ((token = tokenStream.Next()) != null)
            {
                list.Add(token.TermText());
               // Console.WriteLine(token.TermText());
            }
            return list;
        }

ViewSearchContentModel类:(这个类定义在MVC中的Model里面的，视图要展示啥数据，这里就定义什么)

　　

->前台修改如下:

<%@ Page Language="C#" Inherits="System.Web.Mvc.ViewPage<dynamic>" %>

<!DOCTYPE html PUBLIC "-//W3C//DTD XHTML 1.0 Transitional//EN" "http://www.w3.org/TR/xhtml1/DTD/xhtml1-transitional.dtd">

<html xmlns="http://www.w3.org/1999/xhtml" >
<head runat="server">
    <title>文档搜索</title>
</head>
<body>
    <div>
    <form method="post" action="/Search/SearchContent">
      请输入搜索的条件:<input type="text" name="txtContent" />
      <input type="submit" value="搜索" name="btnSearch"/>
      <input type="submit" value="创建索引库" name="btnCreate"/>
    </form>
    <table>
    <tbody>
        <%if (ViewData["searchList"] != null)
      {
          foreach (站内搜索2.Models.ViewSearchContentModel item in (List<站内搜索2.Models.ViewSearchContentModel>)ViewData["searchList"])
          {%>
             <tr><td><%=item.Id%></td><td><%=item.Title%></td><td><%=item.Content%></td></tr>
        <%  }          

      }
     %>
     </tbody>
    </table>

    </div>
</body>
</html>

-----这时基本搜索功能就实现了，接下来实现高亮显示-------

1.添加或引入PanGu.HighLight和PanGu.HighLight.pdb

链接：http://pan.baidu.com/s/1eS6W8s6 密码：ds8b

创建一个Common文件夹，并在里面建立一个WebCommon类

　　

代码如下：（这个类中参数keyworkds就是要高亮显示的值，content就是返回的内容，这样在搜索结果中调用这个类就能实现高亮）

using System;
using System.Collections.Generic;
using System.Linq;
using System.Web;
using PanGu.HighLight;
using PanGu;

namespace 站内搜索2.Common
{
    public  class WebCommon
    {
        public static string CreateHighLight(string keywords, string content)
        {
            SimpleHTMLFormatter simpleHTMLFormatter = new PanGu.HighLight.SimpleHTMLFormatter("<font style='color:red'>", "</font>");
            Highlighter highlighter = new PanGu.HighLight.Highlighter(simpleHTMLFormatter, new Segment());
            //设置每个摘要的字符数
            highlighter.FragmentSize = 150;
            return highlighter.GetBestFragment(keywords, content);
        }
    }
}

在搜索结果中调用这个类：

    //  viewModel.Content = doc.Get("content");
                viewModel.Content = Common.WebCommon.CreateHighLight(Request["txtContent"], doc.Get("content"));

写到这先放张效果图吧:

注意：有的时候我们使用razor引擎，会发生自动编码问题，为了正常显示，我们可以这样写：@MVCHtmlString.Create(item.Title)

JS侧栏分享代码:

<!-- JiaThis Button BEGIN -->
<script type="text/javascript" src="http://v3.jiathis.com/code/jiathis_r.js?move=0&btn=r4.gif" charset="utf-8"></script>
<!-- JiaThis Button END -->

最后再补充一下分词工具使用方式:

站内搜索源码下载:链接：http://pan.baidu.com/s/1o8IlAZK 密码：0gwf