Lucene学习之初步了解

全文搜索

比如，我们一个文件夹中，或者一个磁盘中有很多的文件，记事本、world、Excel、pdf，我们想根据其中的关键词搜索包含的文件。例如，我们输入Lucene，所有内容含有Lucene的文件就会被检查出来。这就是所谓的全文检索。因此，很容易的我们想到，应该建立一个关键字与文件的相关映射，盗用ppt中的一张图，很明白的解释了这种映射如何实现。

　　在Lucene中，就是使用这种“倒排索引”的技术，来实现相关映射。 有了这种映射关系，我们就来看看Lucene的架构设计。下面是Lucene的资料必出现的一张图，但也是其精髓的概括。

　　我们可以看到，Lucene的使用主要体现在两个步骤：

　　1 创建索引，通过IndexWriter对不同的文件进行索引的创建，并将其保存在索引相关文件存储的位置中。

　　2 通过索引查寻关键字相关文档。

     Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_CURRENT);

     // Store the index in memory:
     Directory directory = new RAMDirectory();
     // To store an index on disk, use this instead:
     //Directory directory = FSDirectory.open("/tmp/testindex");
     IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_CURRENT, analyzer);
     IndexWriter iwriter = new IndexWriter(directory, config);
     Document doc = new Document();
     String text = "This is the text to be indexed.";
     doc.add(new Field("fieldname", text, TextField.TYPE_STORED));
     iwriter.addDocument(doc);
     iwriter.close();

     // Now search the index:
     DirectoryReader ireader = DirectoryReader.open(directory);
     IndexSearcher isearcher = new IndexSearcher(ireader);
     // Parse a simple query that searches for "text":
     QueryParser parser = new QueryParser(Version.LUCENE_CURRENT, "fieldname", analyzer);
     Query query = parser.parse("text");
     ScoreDoc[] hits = isearcher.search(query, null, 1000).scoreDocs;
     assertEquals(1, hits.length);
     // Iterate through the results:
     for (int i = 0; i < hits.length; i++) {
       Document hitDoc = isearcher.doc(hits[i].doc);
       assertEquals("This is the text to be indexed.", hitDoc.get("fieldname"));
     }
     ireader.close();
     directory.close();

索引的创建

　　首先，我们需要定义一个词法分析器。

　　比如一句话，“我爱我们的中国！”，如何对他拆分，扣掉停顿词“的”，提取关键字“我”“我们”“中国”等等。这就要借助的词法分析器Analyzer来实现，这里面使用的是标准的词法分析器，如果专门针对汉语，还可以搭配paoding，进行使用。

 Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_CURRENT);

参数中的Version.LUCENE_CURRENT，代表使用当前的Lucene版本，本文环境中也可以写成Version.LUCENE_40。

　　第二步，确定索引文件存储的位置，Lucene提供给我们两种方式：

　　1 本地文件存储

 Directory directory = FSDirectory.open("/tmp/testindex");

2 内存存储

 Directory directory = new RAMDirectory();

可以根据自己的需要进行设定。

　　第三步，创建IndexWriter，进行索引文件的写入。

 IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_CURRENT, analyzer);
 IndexWriter iwriter = new IndexWriter(directory, config);

这里的IndexWriterConfig，据官方文档介绍，是对indexWriter的配置，其中包含了两个参数，第一个是目前的版本，第二个是词法分析器Analyzer。

　　第四步，内容提取，进行索引的存储

 Document doc = new Document();
 String text = "This is the text to be indexed.";
 doc.add(new Field("fieldname", text, TextField.TYPE_STORED));
 iwriter.addDocument(doc);
 iwriter.close();

第一行，申请了一个document对象，这个类似于数据库中的表中的一行。

　　第二行，是我们即将索引的字符串。

　　第三行，把字符串存储起来（因为设置了TextField.TYPE_STORED,如果不想存储，可以使用其他参数，详情参考官方文档），并存储“表明”为"fieldname".

　　第四行，把doc对象加入到索引创建中。

　　第五行，关闭IndexWriter,提交创建内容。

这就是索引创建的过程。

关键字查询：

　　第一步，打开存储位置

 DirectoryReader ireader = DirectoryReader.open(directory);

   第二步，创建搜索器

 IndexSearcher isearcher = new IndexSearcher(ireader);

   第三步，类似SQL，进行关键字查询

 QueryParser parser = new QueryParser(Version.LUCENE_CURRENT, "fieldname", analyzer);
 Query query = parser.parse("text");
 ScoreDoc[] hits = isearcher.search(query, null, 1000).scoreDocs;
 assertEquals(1, hits.length);
 for (int i = 0; i < hits.length; i++) {
     Document hitDoc = isearcher.doc(hits[i].doc);
     assertEquals("This is the text to be indexed.",hitDoc.get("fieldname"));
 }

这里，我们创建了一个查询器，并设置其词法分析器，以及查询的“表名“为”fieldname“。查询结果会返回一个集合，类似SQL的ResultSet，我们可以提取其中存储的内容。

　　关于各种不同的查询方式，可以参考官方手册，或者推荐的PPT

　　第四步，关闭查询器等。

 ireader.close();
 directory.close();