最近更新文章
搜索篇:lucene的简单实例<一>
说明一下,这一篇文章的用到的lucene,是用2.0版本的,主要在查询的时候2.0版本的lucene与以前的版本有了一些区别. 其实这一些代码都是早几个月写的,自己很懒,所以到今天才写到自己的博客上,高深的文章自己写不了，只能记录下一些简单的记录与点滴，其中的代码算是自娱自乐的，希望高手不要把重构之类的砸下来... 1、在windows系统下的的C盘，建一个名叫s的文件夹,在该文件夹里面随便建三个 ...
Lucene简单介绍
使用Lucene作为搜索引擎，应用系统需要做两件事情： （1）建立索引文件。下面给一个接口SearchManager来定义一般要用到的方法。 SearchManager代码如下： java 代码 public interface SearchManager { public boolean isSearchEnabled(); public void setSearchEn ...
lucene 入门(转)
Lucene 简介 Lucene 是一个基于 Java 的全文信息检索工具包，它不是一个完整的搜索应用程序，而是为你的应用程序提供索引和搜索功能。Lucene 目前是 Apache Jakarta 家族中的一个开源项目。也是目前最为流行的基于 Java 开源全文检索工具包。 目前已经有很多应用程序的搜索功能是基于 Lucene 的，比如 Eclipse 的帮助系统的搜索功能。Lucene 能够为文 ...
用Lucene构造简单搜索！
Lucene是一个开源世界里最有名的搜索引擎包，关于它的介绍现在网络上也有很多了，特别是车东的文章http://www.chedong.com/tech/lucene.html，网上流传至广。现在还有一本《Lucene In Action》的电子书是详细介绍的Lucene，可以down下来看。今天先来对硬盘文件实现简单的索引和搜索功能。 用Lucene建立索引步骤： [1]指定索引源文件夹（dat ...
使用Lucene+Paoding构建SSH2系统的站内搜索
目标：创建一个具有高度可移植的，定时创建索引的站内搜索。 途径：dic和index都放到程序中去。 准备： 1 Lucene Lucene Java(以下简称Lucene)目前可用版本是2.4.0，关于Lucene的详细信息请查看http://lucene.apache.org/java/docs/index.html。 2 Paoding Qieqie同学的伟大作品、优秀的Lucene中文分 ...
介绍一款基于字典的中文分词器Shuzhen分词器，或许大家会用得上
ShuzhenAnalyzer是一款用java写的基于字典的中文分词器，可与Lucene一起使用构建搜索引擎系统，目前最新版本是1.1.4. 1、这款分词器可说很好的结合了字典条目数量与分词速度两者，字典条目数量在趋于无穷的情况下，分词速度受的影响却很小；彻底杜绝了因为字典条目数量而导致的内存溢出问题。 2、分词采用完全匹配(自命名)方式，也就是只要是符合字典系统中条目的就全部匹配出来，比如对“ ...
30分钟搭建一个百万全文搜索
公司重心转移，不再是搜索。所以比较有空写写博。 solr是lucene的企业级扩展，很好很强大。solr的性能 http://wiki.apache.org/solr/SolrPerformanceData， 现在使用solr的网站 http://wiki.apache.org/solr/PublicServers 我习惯使用tomcat，安装参考：http://wiki.apache ...
Lucene的评分(score)机制的简单解释
通过Searcher.explain(Query query, int doc)方法可以查看某个文档的得分的具体构成。 在Lucene中score简单说是由 tf * idf * boost * lengthNorm计算得出的。 tf：是查询的词在文档中出现的次数的平方根 idf：表示反转文档频率，观察了一下所有的文档都一样，所以那就没什么用处，不会起什么决定作用。 boost：激励因子，可以通 ...
使用solr搭建你的全文检索
Solr 是一个可供企业使用的、基于 Lucene 的开箱即用的搜索服务器。对Lucene不熟？那么建议先看看下面两篇文档：<o:p></o:p> 实战Lucene，第 1 部分: 初识 Lucene：http://www.ibm.com/developerworks/cn/java/j-lo-lucene1/<o:p></o:p> 用Lucene加速 ...
Heritrix使用的初步总结
一、框架介绍 公司最近项目要用到全文检索，检索对象是一些网站的网页内容，要使用到网络爬虫工具。 目前技术选型对象主要有两个：Heritrix 和 Nutch。二者均为Java开源框架，Heritrix 是 SourceForge上的开源产品，Nutch为Apache的一个子项目，它们都称作网络爬虫/蜘蛛（ Web Crawler），它们实现的原理基本一致：深度遍历网站的资源，将这些资源抓取 ...
Lucene Hack之通过缩小搜索结果集来提升性能 (2)
作者：caocao（网络隐士），http://www.caocao.name，http://www.caocao.mobi 转载请注明来源：http://www.iteye.com/topic/80073 书接前文(http://www.iteye.com/topic/78884)，上回说了个大致的原理，这回开始上代码。 五、原则 1、不改动lucene-core的代码 肆意改动lucene-c ...
Lucene进阶:and 和or的条件查询
在用Lucene实现全站搜索的过程中,很可能会遇到这样的问题,只所有某种特定的信息资源,而不是全部.如:某综合性站点,有新闻,产品,论坛,Blog,视频等资源,而搜索的时候先选一个类型(下拉列表),再输入关键字进行搜索(当然,这种情况可以直接用sql来实现,我们这里是基于lucene的实现考虑).这种情况下,就要用到and和or的查询了.这里假设索引已经建立好了(如何建立索引请参考:http://w ...
Lucene(Lucence)建立索引(字段)
Lucene,这是官方称谓,也有许多人叫它Lucence,做搜索和分词用的工具包.也有人说是Java下的搜索引擎框架库,见仁见智的说法罢了.不管叫什么,确实非常有用,比如做全站的搜索,其实它的用处远大于此,但凡涉及到文本搜索的地方就能用到它.我们就以做全站搜索为例,演示一下如何应用Lucene建立索引. public void index(List<IArticle> list) { ...
基于lucene的对数据库＆文件夹检索（ss2,appfuse,jdon,nutch杂烩）
整个工程文件和src，lib包可以用ss2下lib包。 完成了基本的对数据库表和文件夹（本来是对vss做索引，老大说没时间了，就对文件夹做就行了）的索引维护，对常用的office文件和rar,zip文件进行解析索引，中文分词用ck（这里多的是分词，可以找更好的）。 应用需要修改config/jdbc.properties lucene.properties lucene.xml 以及dataAcce ...
Lucene应用的一点体会
Lucene应用(我用的是Lucene2.1.0,有些观点有可能也不太正确) 1.多线程索引，共享同一个IndexWriter对象 这种方式效率很慢，主要原因是因为： java 代码 public void addDocument(Document doc, Analyzer analyzer) throws IOException { SegmentInfo newSegmentI ...
群组知识库热门文章
- 14350 使用solr搭建你的全文检索
- 10858 30分钟搭建一个百万全文搜索
- 8653 Lucene的评分(score)机制的简单解释
- 8464 lucene 入门(转)
- 8244 Lucene进阶:and 和or的条件查询