Lucene是一个开源的搜索引擎,开发语言是Java,Lucene.net是它的.NET版本。可以在C#中方便的调用。
Lucene.net目前最新版本是3.0.3,你可以从官方网站下载到最新版本:http://lucenenet.apache.org/
使用Lucene.net进行全文查找首先要根据数据创建索引,然后再根据索引来查找关键字。本文不做任何原理性的解释,需要深入研究的请自行Google之。
还是直接上代码的比较好:
IndexWriter writer = new IndexWriter(FSDirectory.Open(new DirectoryInfo(indexDirectory)),
analyzer, true, IndexWriter.MaxFieldLength.LIMITED);
for (int i = 0; i < files.Count(); i++)
{
FileInfo fileInfo = files[i];
StreamReader reader = new StreamReader(fileInfo.FullName);
OutputMessage("正在索引文件[" + fileInfo.Name + "]");
Document doc = new Document();
doc.Add(new Field("FileName", fileInfo.Name, Field.Store.YES, Field.Index.ANALYZED));
doc.Add(new Field("Author", reader.ReadLine(), Field.Store.YES, Field.Index.ANALYZED));
doc.Add(new Field("Content", reader.ReadToEnd(), Field.Store.NO, Field.Index.ANALYZED));
doc.Add(new Field("Path", fileInfo.FullName, Field.Store.YES, Field.Index.NO));
writer.AddDocument(doc);
writer.Optimize();
}
writer.Dispose();
在上面的代码中,我们对文本文件进行了索引,每一个文件都保存了FileName(文件名)、Author(作者)、Content(内容)、Path(文件路径)几个字段。跟数据库中的字段很相似。
目前中文分词有Lucene.Net.Analysis.Cn.ChineseAnalyzer 和盘古分词,我们在测试中使用前者,更方便我们做测试。
Lucene.Net.Analysis.Cn.ChineseAnalyzer包含在源代码中,你可以把它复制到你的源代码中,也可以编译以后引用。我这里为了方便,直接复制到源代码中的。建议在实际使用的时候,编译然后添加引用。
还是上代码吧,看上去更直接。
IndexReader reader = null;
IndexSearcher searcher = null;
try
{
reader = IndexReader.Open(FSDirectory.Open(new DirectoryInfo(indexDirectory)), true);
searcher = new IndexSearcher(reader);
//创建查询
PerFieldAnalyzerWrapper wrapper = new PerFieldAnalyzerWrapper(analyzer);
wrapper.AddAnalyzer("FileName", analyzer);
wrapper.AddAnalyzer("Author", analyzer);
wrapper.AddAnalyzer("Content", analyzer);
string[] fields = {"FileName", "Author", "Content"};
QueryParser parser = new MultiFieldQueryParser(Lucene.Net.Util.Version.LUCENE_30, fields, wrapper);
Query query = parser.Parse(keyword);
TopScoreDocCollector collector = TopScoreDocCollector.Create(num, true);
searcher.Search(query, collector);
var hits = collector.TopDocs().ScoreDocs;
int numTotalHits = collector.TotalHits;
OutputMessage("查找 " + keyword + " ...共找到 " + numTotalHits + "个匹配的文档");
//以后就可以对获取到的collector数据进行操作
for (int i = 0; i < hits.Count(); i++)
{
var hit = hits[i];
Document doc = searcher.Doc(hit.Doc);
Field fileNameField = doc.GetField("FileName");
Field authorField = doc.GetField("Author");
Field pathField = doc.GetField("Path");
OutputMessage(fileNameField.StringValue + "[" + authorField.StringValue + "],匹配指数:" + Math.Round(hit.Score * 100, 2) + "%");
OutputMessage(pathField.StringValue);
OutputMessage(string.Empty);
}
}
finally
{
if (searcher != null)
searcher.Dispose();
if (reader != null)
reader.Dispose();
}
上面的这段代码可以是实现多关键字的查找。需要说明的是,貌似在得到检索到的文档的地方,跟之前的版本有一些不同(我拷贝别人的代码没办法直接运行)……
另外,此处检索的行数受到num的影响,但返回的总行数是不受影响的,如果需要得到总行数,可以在第一次检索以后得到总行数,然后将总行数赋值给num,在进行新一次的检索。
按照惯例,附上源代码
原文:http://www.cnblogs.com/sunshine1028/p/4169248.html