群组首页 → 企业架构 → lucene爱好者 → 知识库 → Lucene简单介绍
原创作者: jefferson   阅读:6188次   评论:0条   更新时间:2011-05-26    
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
  1. public interface SearchManager {   
  2.     public boolean isSearchEnabled();   
  3.     public void setSearchEnabled(boolean searchEnabled);   
  4.     /**   
  5.     //如果SearchManage正在工作，返回真   
  6.     public boolean isBusy();   
  7.     //返回索引完成率   
  8.     public int getPercentComplete();   
  9.     //是否自动建立索引   
  10.     //通过TaskEngine.scheduleTask方法实现定期自动索引   
  11.     public boolean isAutoIndexEnabled();   
  12.     public void setAutoIndexEnabled(boolean value);   
  13.     //自动索引间隔的分钟数   
  14.     public int getAutoIndexInterval();   
  15.     public void setAutoIndexInterval(int minutes);   
  16.     //获得上次建立索引的时间   
  17.     public Date getLastIndexedDate();   
  18. //在实时建立索引时，将当前帖子加入索引   
  19.     public void addToIndex(ForumMessage message);   
  20.     public void removeFromIndex(ForumMessage message);   
  21.     //手动更新自上次建立索引后的新内容   
  22.     public void updateIndex();   
  23.     //手动重新建立全部的索引   
  24.     public void rebuildIndex();   
  25.     //优化   
  26.     public void optimize();   
  27. }   
    
   ·       IndexWriter用户建立新的索引，当然也可以将文档加入已经存在的索引。
在文本被索引之前，它必须通过一个分析器Analyzer。分析器Analyzer 负责从文本中分离出索引关键字。Lucene有几种不同类型的分析器：
·          SimpleAnalyzer是将英文转换为小写字母，按空格和标点符号切分出英文单词，
如I am Java这一句，使用SimpleAnalyzer切词就会切分出下列词语：
token1=I
token2=am
token3=Java
·          StandardAnalyzer是对英文进行了较为复杂的处理。除了按词语建立索引关键字（token）外，还能够为特殊名称、邮件地址、缩写格式等建立索引单元，而且对“and”、“ the”等词语做了过滤。
·          ChineseAnalyzer是专门用来分析中文的索引的。关于中文分析器，有很多尝试，如车东的http://sourceforge.net/projects/weblucene/；等，该问题将在后面章节继续讨论。
一个索引是由一系列Document组成，每个Document是由一个或多个Field组成，每个Field都有一个名字和值，可以把Document作为关系数据库中一条记录，而Field则是记录中某列字段。一般建立索引如下：
java 代码
  1. //指定将在哪个目录建立索引   
  2. String indexDir = "/home/";     
  3. //指定将要建立索引的文本   
  4. String text = "welcom here, I am Java,";         
  5. Analyzer analyzer = new StandardAnalyzer();   //使用StandardAnalyzer   
  6. //建立一个IndexWriter   
  7. IndexWriter writer = new IndexWriter(indexDir, analyzer, true);   
  8. //建立Document   
  9. Document document  = new Document();   
  10. //进行切词、索引   
  11. document.add(Field.Text("fieldname", text));   
  12. //加入索引中   
  13. writer.addDocument(document);   
  14. writer.close();   
其中，Field根据具体要求有不同用法，Lucene提供4种类型的Field: Keyword、 UnIndexed、 UnStored和 Text。
·          Keyword 不实现切词，逐字地保存在索引中，这种类型适合一些如URL、日期、个人姓名、社会安全号码、电话号码等需要原封不动保留的词语。
·          UnIndexed既不实现切词也不索引，但是其值是一个词一个词地保存在索引中，这不适合很大很长的词语，适合于显示一些不经过直接搜索的结果值。
·          UnStored与UnIndexed正好相反，将被切词和索引，但是不保存在索引中，这适合巨大文本，如帖子内容、页面内容等。
·          Text是实现切词、索引，并且保存在索引中。
上面是建立或者添加索引，那么如何删除索引呢？
建立索引后，每个所有对应一个org.apache.lucene.index.Term对象，那么可以根据索引的KEYWORD创建一个Term对象，
  1. Term messageIDTerm =new Term("mID", Long.toString(indexId));  

 

然后：

IndexReader reader = IndexReader.open(indexDir);

通过IndexReader的delete方法删除指定的索引

reader.delete(messageIDTerm);

 这里，建立索引的时候，keyword名称指定为mID

（2）建立完成后，就可以直接搜索特定的词语了。搜索语句一般代码如下：
Searcher searcher = new IndexSearcher((indexDir);  //创建一个搜索器
也可以这样创建：
  1. Directory searchDirectory = FSDirectory.getDirectory(indexPath, false);   
  2.  IndexReader reader = IndexReader.open(searchDirectory);   
  3.   Searcher searcher = new IndexSearcher(reader);  
//使用和索引同样的语言分析器
Query query = QueryParser.parse(queryString, "body", new StandardAnalyzer());
//搜索结果使用Hits存储
Hits hits = searcher.search(query);
//通过hits得到相应字段的数据和查询的匹配度
for (int i=0; i
      System.out.println(hits.doc(i).get("fieldname "));
};
评论 共 0 条 请登录后发表评论

发表评论

您还没有登录,请您登录后再发表评论

文章信息

知识库: lucene爱好者
Global site tag (gtag.js) - Google Analytics