全文检索-Lucene.net

Lucene.net是Lucene的.net移植版本，在较早之前是比较受欢迎的一个开源的全文检索引擎开发包，即它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎。

例子的组件版本

Lucene.Net：3.0.3.0

盘古分词：2.4.0.0

分词例子

• 分词是核心算法，将完整的句子分词成若干个词或字；同时它只能处理文本信息，非文本信息只能转换成为文本信息，无法转换的只能放弃。
• 所有供全文搜索的要先写入索引库，索引库可以看成存放数据的数据库
• 搜索对象建立的时候（比如文章），写入数据库的同时，也要写入索引，也就是各存一份，检索的时候直接从索引库中检索。

Lucene.net有内置的分词算法，所有分词算法都继承Analyzer类；但对中文是按照单个字进行分词的，显然满足不了日常需求，所以常用到其他分词算法如盘古分词。

盘古分词下载后有以下dll内容

PanGu.dll ：核心组件

PanGu.Lucene.Analyzer.dll ：盘古分词针对Lucene.net 的接口组件，貌似词库写死在了dll文件里，没有配置词库的话，会读取dll里面的，否则直接读取配置的词库。

PanGu.HighLight.dll：高亮组件

PanGu.xml：xml文件配置，其中DictionaryPath 指明字典词库所在目录，可以为相对路径也可以为绝对路径

所需词库（并设置"复制到输出目录"属性）：

简单分词只引入PanGu.Lucene.Analyzer.dll 即可，例子如下：

        [HttpPost]
        public ActionResult Cut_2(string str)
        {
            //盘古分词
            StringBuilder sb = new StringBuilder();

            Analyzer analyzer = new PanGuAnalyzer();

            TokenStream tokenStream = analyzer.TokenStream("", new StringReader(str));

            ITermAttribute item = tokenStream.GetAttribute<ITermAttribute>();

            while (tokenStream.IncrementToken())

            {
                sb.Append(item.Term + "|");

            }
            tokenStream.CloneAttributes();
            analyzer.Close();
            return Content(sb.ToString());
        }

效果如下：

完整例子

项目前期准备：

• 引入所需的三个dll
• 在项目下放入PanGu.xml默认配置文件，与PanGu.dll不要在同一目录
• 在项目下建立LuceneIndex文件夹用来存放索引数据
• 在项目下建立Dict文件存放词典：Dict文件目录为默认词典文件目录，如不在Dict文件下，要在PanGu.xml中的DictionaryPath 指明字典词库所在目录

1. 在进程启动时，需要对盘古分词进行初始化，初始化的调用代码如下（字典文件如果在Dict文件夹下，同时为默认配置，可以不用指定xml文件）：

PanGu.Segment.Init(@"D:\seo_lucene.net_demo\bin\PanGu\PanGu.xml");
//或
PanGu.Segment.Init();

　　2.创建索引

　　　　　　//索引地址
　　　　　　string indexPath = @"D:\学习代码\Seo-Lucene.Net\seo_lucene.net_demo\bin\LuceneIndex";

       /// <summary>
        /// 索引目录
        /// </summary>
        public Lucene.Net.Store.Directory directory
        {
            get
            {
                //创建索引目录
                if (!System.IO.Directory.Exists(indexPath))
                {
                    System.IO.Directory.CreateDirectory(indexPath);
                }
                FSDirectory directory = FSDirectory.Open(new DirectoryInfo(indexPath), new NativeFSLockFactory());
                return directory;
            }

        }

        /// <summary>
        /// 创建索引
        /// </summary>
        private void CreateIndex()
        {
            bool isExists = IndexReader.IndexExists(directory);//判断索引库是否存在
            if (isExists)
            {
                //如果因异常情况索引目录被锁定，先解锁
                //Lucene.Net每次操作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);//解锁
                }
            }

            //IndexWriter第三个参数:true指重新创建索引,false指从当前索引追加,第一次新建索引库true，之后直接追加就可以了
            IndexWriter writer = new IndexWriter(directory, new PanGuAnalyzer(), !isExists, Lucene.Net.Index.IndexWriter.MaxFieldLength.UNLIMITED);

            //Field.Store.YES：存储原文并且索引
            //Field.Index. ANALYZED：分词存储
            //Field.Index.NOT_ANALYZED：不分词存储
            //一条Document相当于一条记录
            //所有自定义的字段都是string
            try
            {
                //以下语句可通过id判断是否存在重复索引，存在则删除，如果不存在则删除0条
                //writer.DeleteDocuments(new Term("id", "1"));//防止存在的数据
                //writer.DeleteDocuments(new Term("id", "2"));//防止存在的数据
                //writer.DeleteDocuments(new Term("id", "3"));//防止存在的数据

                //或是删除所有索引
                writer.DeleteAll();
                writer.Commit();
                //是否删除成功
                var IsSuccess = writer.HasDeletions();

                Document doc = new Document();
                doc.Add(new Field("id", "", Field.Store.YES, Field.Index.NOT_ANALYZED));
                doc.Add(new Field("title", "三国演义", Field.Store.YES, Field.Index.ANALYZED, Lucene.Net.Documents.Field.TermVector.WITH_POSITIONS_OFFSETS));
                doc.Add(new Field("Content", "刘备、云长、翼德点精兵三千，往北海郡进发。", Field.Store.YES, Field.Index.ANALYZED, Lucene.Net.Documents.Field.TermVector.WITH_POSITIONS_OFFSETS));
                writer.AddDocument(doc);

                doc = new Document();
                doc.Add(new Field("id", "", Field.Store.YES, Field.Index.NOT_ANALYZED));
                doc.Add(new Field("title", "西游记", Field.Store.YES, Field.Index.ANALYZED, Lucene.Net.Documents.Field.TermVector.WITH_POSITIONS_OFFSETS));
                doc.Add(new Field("Content", "话表齐天大圣到底是个妖猴，唐三藏。", Field.Store.YES, Field.Index.ANALYZED, Lucene.Net.Documents.Field.TermVector.WITH_POSITIONS_OFFSETS));
                writer.AddDocument(doc);

                doc = new Document();
                doc.Add(new Field("id", "", Field.Store.YES, Field.Index.NOT_ANALYZED));
                doc.Add(new Field("title", "水浒传", Field.Store.YES, Field.Index.ANALYZED, Lucene.Net.Documents.Field.TermVector.WITH_POSITIONS_OFFSETS));
                doc.Add(new Field("Content", "梁山泊义士尊晁盖 郓城县月夜走刘唐。", Field.Store.YES, Field.Index.ANALYZED, Lucene.Net.Documents.Field.TermVector.WITH_POSITIONS_OFFSETS));
                writer.AddDocument(doc);

            }
            catch (FileNotFoundException fnfe)
            {
                throw fnfe;
            }
            catch (Exception ex)
            {
                throw ex;
            }
            finally
            {
                writer.Optimize();
                writer.Dispose();
                directory.Dispose();
            }

        }

 　　3.搜索

        /// <summary>
        /// 搜索
        /// </summary>
        /// <param name="txtSearch">搜索字符串</param>
        /// <param name="id">当前页</param>
        /// <returns></returns>
        [HttpGet]
        public ActionResult Search(string txtSearch,int id=)
        {
　　　　　　　 //最大显示条数，用于分页
            int pageNum = ;
　　　　　　　 //当前页，用于分页
            int currentPageNo = id;
            IndexSearcher search = new IndexSearcher(directory, true);
            BooleanQuery bQuery = new BooleanQuery();

            //总的结果条数
            List<Article> list = new List<Article>();
            int recCount = ;
            //处理搜索关键词
            txtSearch = LuceneHelper.GetKeyWordsSplitBySpace(txtSearch);

            //多个字段查询 标题和内容title, content
            MultiFieldQueryParser parser = new MultiFieldQueryParser(Lucene.Net.Util.Version.LUCENE_30,new string[] { "title", "Content" }, new PanGuAnalyzer());
            Query query =parser.Parse(txtSearch);

            //Occur.Should 表示 Or 或查询, Occur.MUST 表示 and 与查询
            bQuery.Add(query, Occur.MUST);

            if (bQuery != null && bQuery.GetClauses().Length > )
            {
                //盛放查询结果的容器
                TopScoreDocCollector collector = TopScoreDocCollector.Create(, true);
                //使用query这个查询条件进行搜索，搜索结果放入collector
                search.Search(bQuery, null, collector);
                recCount = collector.TotalHits;
                //从查询结果中取出第m条到第n条的数据
                ScoreDoc[] docs = collector.TopDocs((currentPageNo - ) * pageNum, pageNum).ScoreDocs;
                //遍历查询结果
                for (int i = ; i < docs.Length; i++)
                {
                    //只有 Field.Store.YES的字段才能用Get查出来
                    Document doc = search.Doc(docs[i].Doc);
                    list.Add(new Article() {
                        Id = doc.Get("id"),
                        Title = LuceneHelper.CreateHightLight(txtSearch, doc.Get("title")),//高亮显示
                        Content = LuceneHelper.CreateHightLight(txtSearch, doc.Get("Content"))//高亮显示
                    });
                }
            }
            //分页
            PagedList<Article> plist = new PagedList<Article>(list, currentPageNo, pageNum, recCount);
            plist.TotalItemCount = recCount;
            plist.CurrentPageIndex = currentPageNo;
            return View("Index", plist);
        }

　　4.其中LuceneHelper帮助类 

namespace seo_lucene.net_demo.Tools
{
    public class LuceneHelper
    {
        /// <summary>
        /// 处理关键字为索引格式
        /// </summary>
        /// <param name="keywords"></param>
        /// <returns></returns>
        public static string GetKeyWordsSplitBySpace(string keywords)
        {
            PanGuTokenizer ktTokenizer = new PanGuTokenizer();
            StringBuilder result = new StringBuilder();
            ICollection<WordInfo> words = ktTokenizer.SegmentToWordInfos(keywords);

            foreach (WordInfo word in words)
            {
                if (word == null)
                {
                    continue;
                }
                result.AppendFormat("{0}^{1}.0 ", word.Word, (int)Math.Pow(, word.Rank));
            }
            return result.ToString().Trim();
        }
        //高亮显示
        public static string CreateHightLight(string keywords, string Content)
        {
            PanGu.HighLight.SimpleHTMLFormatter simpleHTMLFormatter =
             new PanGu.HighLight.SimpleHTMLFormatter("<font color=\"red\">", "</font>");
            //创建Highlighter ，输入HTMLFormatter 和盘古分词对象Semgent
            PanGu.HighLight.Highlighter highlighter =
            new PanGu.HighLight.Highlighter(simpleHTMLFormatter,
            new Segment());
            //设置每个摘要段的字符数
            highlighter.FragmentSize = ;
            //获取最匹配的摘要段
            var result = highlighter.GetBestFragment(keywords, Content);
            return string.IsNullOrEmpty(result) ? Content : result;
        }
    }
}

效果如下：

demo和lib包下载