Lucene （一）建立索引及应用的属性详解

public class HelloLucene {//创建索引public void index(){IndexWriter writer = null;try {//1、创建目录DirectoryDirectory directory = FSDirectory.open(new File("D:/testLucene/index"));//指定创建索引的目录//2、创建IndexWriterIndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_35, new StandardAnalyzer(Version.LUCENE_35));writer = new IndexWriter(directory, iwc);//3、创建Document对象Document document = null;//4、为Document添加Filed（Filed为Document对象的元素）File f = new File("d:/testLucene/allFile");for(File file:f.listFiles()){document = new Document();//将文件的内容加入到document对象中document.add(new Field("content", new FileReader(file)));//将文件的名字加入到document对象中（文件名、循环的文件名、存储（见下面详解）、不分词并建立索引）document.add(new Field("filename" , file.getName() , Field.Store.YES ,Field.Index.NOT_ANALYZED) ); document.add(new Field("path" , file.getAbsolutePath() , Field.Store.YES , Field.Index.NOT_ANALYZED)); //5、通过IndexWriter添加索引到文档中writer.addDocument(document);}} catch (IOException e) {e.printStackTrace();} finally {//关闭流if(null != writer){try {writer.close();} catch (CorruptIndexException e) {// TODO Auto-generated catch blocke.printStackTrace();} catch (IOException e) {// TODO Auto-generated catch blocke.printStackTrace();}}}}//测试public static void main(String[] args) {HelloLucene lucene = new HelloLucene();lucene.index();}}

lucene在doc.add(new Field("content",curArt.getContent(),Field.Store.NO,Field.Index.TOKENIZED)); 

Field有两个属性可选：存储和索引。 

通过存储属性你可以控制是否对这个Field进行存储； 

通过索引属性你可以控制是否对该Field进行索引。 

事实上对这两个属性的正确组合很重要。 
Field.Index Field.Store 说明 
TOKENIZED(分词) YES 被分词索引且存储 
TOKENIZED NO 被分词索引但不存储 
NO YES 这是不能被搜索的，它只是被搜索内容的附属物。如URL等 
UN_TOKENIZED YES/NO 不被分词，它作为一个整体被搜索,搜一部分是搜不出来的 
NO NO 没有这种用法 


我们那文章表为例.articleinfo.有ID,title(标题),sumary(摘要),content(内容),userName(用户名) 

其中title(标题),sumary(摘要)属于第一种情况,既要索引也要分词,也要存储. 

content(内容)要分词,索引,但不存储.由于他太大了,而且界面也不用显示整个内容. 

ID要存储,不用索引.因为没人用他来查询.但拼URL却很需要他.索引要存储. 

userName(用户名)索引,但不分词.可用保存.为什么不分词?比如"成吉思汗",我不想被"成汉"搜索到.我希望要么"成吉思汗"或者"*吉思*"通配符搜到. 

总结如下: 

1.如果要对某Field进行查找，那么一定要把Field.Index设置为TOKENIZED或UN_TOKENIZED。TOKENIZED会对Field的内容进行分词；而UN_TOKENIZED不会，只有全词匹配，该Field才会被选中。 
2.如果Field.Store是No，那么就无法在搜索结果中从索引数据直接提取该域的值，会使null。 

补充: 

       Field.Store.YES:存储字段值（未分词前的字段值） 
       Field.Store.NO:不存储,存储与索引没有关系 
       Field.Store.COMPRESS:压缩存储,用于长文本或二进制，但性能受损 

       Field.Index.ANALYZED:分词建索引 
       Field.Index.ANALYZED_NO_NORMS:分词建索引，但是Field的值不像通常那样被保存，而是只取一个byte，这样节约存储空间 
       Field.Index.NOT_ANALYZED:不分词且索引 
       Field.Index.NOT_ANALYZED_NO_NORMS:不分词建索引，Field的值去一个byte保存 

       TermVector表示文档的条目（由一个Document和Field定位）和它们在当前文档中所出现的次数 
       Field.TermVector.YES:为每个文档（Document）存储该字段的TermVector 
       Field.TermVector.NO:不存储TermVector 
       Field.TermVector.WITH_POSITIONS:存储位置 
       Field.TermVector.WITH_OFFSETS:存储偏移量 
       Field.TermVector.WITH_POSITIONS_OFFSETS:存储位置和偏移量