Lucene基础

???? 在上一篇文章中，我们对Lucene有了大致的了解，Lucene说简单点就是对索引的创建和根据索引进行搜索并返回。接下来我们先学习Lucene环境搭建和索引创建的一些基本类。

一、Eclipse添加lucene的jar

???? 在学习Lucene之前，我们先搭建好环境，Eclipse新建一个Maven项目后在pom文件里面加入lucene的jar，完成后，我们就可以开始Lucene的学习之旅了。

   <!-- lucene start -->
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-core</artifactId>
            <version>${lucene.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId> lucene-analyzers-common</artifactId>
            <version>${lucene.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-queryparser</artifactId>
            <version>${lucene.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-analyzers-smartcn</artifactId>
            <version>${lucene.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-queries</artifactId>
            <version>${lucene.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.lucene</groupId>
            <artifactId>lucene-sandbox</artifactId>
            <version>${lucene.version}</version>
        </dependency>
      <!-- lucene end -->

二、索引创建的几个基本类

• 2.1 IndexWriter

  IndexWriter类是Lucene最重要的类,IndexWriter是在索引过程中的中心组件。这个类创建一个新的索引并且添加文档到一个已有的索引中。你可以把IndexWriter 想象成让你可以对索引进行写操作的对象。

  初始化一个IndexWriter的方式是：

• public void createIndexWriter(){
    String index_dir = "E:\\luceneIndex";
    IndexWriter indexWriter = new IndexWriter(FSDirectory.open(new File(index_dir)),
         new IndexWriterConfig(LUCENE_VERSION,new StandardAnalyzer(LUCENE_VERSION));
  }

  ?

• 2.2 Directory

  Directory 类代表一个Lucene索引的位置，它是一个抽象类，其中有2个实现。

  1. FSDirectory，它表示一个存储在文件系统中的索引的位置。初始化方式为：Directory directory = FSDirectory.open(new File("索引的位置"));
  2. RAMDirectory，它表示一个存储在内存当中的索引的位置。初始化方式为：Directory directory = new RAMDirectory();

  在上面IndexWriter示例中,我们使用一个实际文件系统目录的路径传递给IndexWriter的构造函数来获得Directory的一个实例，并在文件系统的一个目录中创建索引。

• 2.3 Analyzer

  在一个文档被索引之前，首先需要对文档内容进行分词处理，并且而剔除一些冗余的词句（例如：a，the，they等)，这部分工作就是由Analyzer来做的。

  Analyzer类是一个抽象类，它有很多实现:SimpleAnalyzer，StandardAnalyzer，StopAnalyzer以及WhitespaceAnalyzer等，Analyzer 把分词后的内容交给IndexWriter来建立索引。

• 2.4 Document

  Document文档类似数据库中的一条记录，可以由好几个字段（Field）组成，并且字段可以套用不同的类型。

• 2.5 Field

  Field对象是用来描述一个文档的某个属性的，比如一篇文章的标题和内容可以用两个 Field 对象分别描述。

三、索引的创建

? 在上文中，我们学习了创建索引的几个重要的类，而索引的完整创建过程，也恰恰是由这些类组成，看下面的测试类。

?

  /**
     * 
     * @author tanjie
     * 创建时间:  2015-11-4 下午6:12:46
     * 描述: 创建简单索引的基本过程
     */
    @Test
    public void testCreateIndex() {
        IndexWriter indexWriter = null;
        try {
            indexWriter = new IndexWriter(
                    FSDirectory.open(new File("E:\\luceneIndex")),
                    new IndexWriterConfig(Version.LUCENE_4_9,
                    new StandardAnalyzer(Version.LUCENE_4_9)));
            Document doc = new Document();
            doc.add(new TextField("id", "1", Store.YES));
            doc.add(new TextField("id", "2", Store.YES));
            indexWriter.addDocument(doc);
            indexWriter.commit();
            indexWriter.close();
        } catch (IOException e) {
            e.printStackTrace();
        } finally{
            if(null != indexWriter){
                try {
                    indexWriter.close();
                } catch (IOException e) {
                    e.printStackTrace();
                }
            }
        }
    }

?

? 运行上面的代码，会在我们指定的目录，新建一个域为id，值分别为1，2，的索引文件。

四、索引搜索的几个基本类

• 4.1 IndexSearcher

  IndexSearcher是用来在建立好的索引上进行搜索的，它只能以只读的方式打开一个索引，所以可以有多个IndexSearcher的实例在同一个索引上进行操作。

• 4.2 Term

  Term是 搜索的基本单元，一个Term对象有两个String类型的域组成，字段的名称和字段的值。在搜索时，你可能创建Term对象并和TermQuery同时使用。其中第一个参数代表了要在文档的哪一个Field上进行查找，第二个参数代表了要查询的关键词。

• 4.3 Query

  Query是一个抽象类，这个类的目的是把用户输入的查询字符串封装成Lucene能够识别的Query，它有很多个实现，在后面的章节中我们会单独介绍，这里不加以说明。

• 4.4 TopDocs

  TopDocs是指向匹配的搜索结果的前N个搜索结果，我们可以通过topDocs.scoreDocs来获取一个ScoreDoc[]数组，里面存有我们搜索返回的指定查询条数的结果。

  代码片段如下：

• //根据query对象查询，最多返回100条结果

• TopDocs topDocs = searcher.search(query, 100);   
  ScoreDoc[] scoreDoc = topDocs.scoreDocs;   
  for (int i = 0; i < scoreDoc.length; i++) {             
       Document doc = searcher.doc(scoreDoc[i].doc);
       System.out.print("这是第" + (i + 1) + "个检索到的结果");
  }

  ?

五、索引的搜索

?根据上面的介绍，我们基本可以写出一个简单的搜索方法了，见下面的测试类

?

/**
     * 
     * @author tanjie
     * 创建时间:  2015-11-4 下午7:22:54
     * 描述: 测试基本的搜索，根据上面刚创建的域为id，值为1,2，的索引进行搜索
     */
    @Test
    public void testCreateQuery() {
        long startTime = new Date().getTime();
        IndexSearcher indexSearcher = null;
        try {
            Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_4_9);
            indexSearcher = new IndexSearcher(
                    DirectoryReader.open(FSDirectory.open(new File(
                            "E:\\luceneIndex"))));
            //这里搜索索引的域为id
            QueryParser parser = new QueryParser(Version.LUCENE_4_9, "id",
                    analyzer);
            // 将关键字包装成Query对象，搜索对应的值为1的结果
              Query query = parser.parse("1");
            TopDocs topDocs = indexSearcher.search(query, 100);
            System.out.println("一共搜索到：" + topDocs.totalHits + "条记录");
            ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for (int i = 0; i < scoreDocs.length; i++) {
                Document document = indexSearcher.doc(topDocs.scoreDocs[i].doc);
                System.out.println("搜索结果:" + document.get("id"));
            }
            long endTime = new Date().getTime();
            System.out.println("搜索域为id，值为1的结果耗时：" + (endTime - startTime) + "毫秒");
        } catch (IOException e) {
            e.printStackTrace();
        } catch (ParseException e) {
            e.printStackTrace();
        } 
    }

?

?搜索结果如下：

?

lucene基础

原文：http://090508tanjie.iteye.com/blog/2291752