lucene教程簡(jiǎn)單demo

1、Lucene初級(jí)教程初級(jí)教程2007122615:24點(diǎn)擊次數(shù)：0次1lucene簡(jiǎn)介1.1什么是luceneLucene是一個(gè)全文搜索框架，而不是應(yīng)用產(chǎn)品。因此它并不像或者googleDesktop那么拿來(lái)就能用，它只是提供了一種工具讓你能實(shí)現(xiàn)這些產(chǎn)品。2lucene的工作方式lucene提供的服務(wù)實(shí)際包含兩部分：一入一出。所謂入是寫入，即將你提供的源（本質(zhì)是字符串）寫入索引或者將其從索引中刪除；所謂出是讀出，即向用戶提供全文搜索服務(wù)

2、，讓用戶可以通過(guò)關(guān)鍵詞定位源。2.1寫入流程源字符串首先經(jīng)過(guò)analyzer處理，包括：分詞，分成一個(gè)個(gè)單詞；去除stopwd（可選）。將源中需要的信息加入Document的各個(gè)Field中，并把需要索引的Field索引起來(lái)，把需要存儲(chǔ)的Field存儲(chǔ)起來(lái)。將索引寫入存儲(chǔ)器，存儲(chǔ)器可以是內(nèi)存或磁盤。2.2讀出流程用戶提供搜索關(guān)鍵詞，經(jīng)過(guò)analyzer處理。對(duì)處理后的關(guān)鍵詞搜索索引找出對(duì)應(yīng)的Document。用戶根據(jù)需要從找到的Docu

3、ment中提取需要的Field。3一些需要知道的概念3.1analyzerAnalyzer是分析器，它的作用是把一個(gè)字符串按某種規(guī)則劃分成一個(gè)個(gè)詞語(yǔ)，并去除其中的無(wú)效詞語(yǔ)，這里說(shuō)的無(wú)效詞語(yǔ)是指英文中的“of”、“the”，中文中的“的”、“地”等詞語(yǔ)，這些詞語(yǔ)在文章中大量出現(xiàn)，但是本身不包含什么關(guān)鍵信息，去掉有利于縮小索引文件、提高效率、提高命中率。分詞的規(guī)則千變?nèi)f化，但目的只有一個(gè)：按語(yǔ)義劃分。這點(diǎn)在英文中比較容易實(shí)現(xiàn)，因?yàn)橛⑽谋旧砭?/p>

4、是以單詞為單位的，已經(jīng)用空格分開；而中文則必須以某種方法將連成一片的句子劃分成一個(gè)個(gè)詞語(yǔ)。具體劃分方法下面再詳細(xì)介紹，這里只需了解分析器的概念即可。3.2document用戶提供的源是一條條記錄，它們可以是文本文件、字符串或者數(shù)據(jù)庫(kù)表的一條記錄等等。一條記錄經(jīng)過(guò)索引之后，就是以一個(gè)Document的形式存儲(chǔ)在索引文件中的。用戶進(jìn)行搜索，也是以Document列表的形式返回。3.3field一個(gè)Document可以包含多個(gè)信息域，例如一篇

5、文章可以包含“標(biāo)題”、“正文”、“最后修改時(shí)間”等信息域，這些信息域就是通過(guò)Field在Document中存儲(chǔ)的。Field有兩個(gè)屬性可選：存儲(chǔ)和索引。通過(guò)存儲(chǔ)屬性你可以控制是否對(duì)這個(gè)Field進(jìn)行存儲(chǔ)；通過(guò)索引屬性你可以控制是否對(duì)該Field進(jìn)行索引。這看起來(lái)似乎有些廢話，事實(shí)上對(duì)這兩個(gè)屬性的正確組合很重要，下面舉例說(shuō)明：還是以剛才的文章為例子，我們需要對(duì)標(biāo)題和正文進(jìn)行全文搜索，所以我們要把索引屬性設(shè)置為真，同時(shí)我們希Fieldfie

6、ld=newField(“content“newFileReader(file))這里的file就是該文本文件。該構(gòu)造函數(shù)實(shí)際上是讀去文件內(nèi)容，并對(duì)其進(jìn)行索引，但不存儲(chǔ)。Lucene2教程教程Lucene是apache組織的一個(gè)用java實(shí)現(xiàn)全文搜索引擎的開源項(xiàng)目。其功能非常的強(qiáng)大，api也很簡(jiǎn)單?？偟脕?lái)說(shuō)用Lucene來(lái)進(jìn)行建立和搜索和操作數(shù)據(jù)庫(kù)是差不多的(有點(diǎn)像)，Document可以看作是數(shù)據(jù)庫(kù)的一行記錄，F(xiàn)ield可以看作是數(shù)據(jù)