Lucene索引概述

lucene

Lucene是apache旗下的顶级项目,是一个全文检索工具包

Lucene就是一个可以创建全文检索引擎系统的一堆jar包.可以使用它来构建全文检索引擎系统,但是它不能独立运，内部使用了倒排索引算法

全文检索算法(倒排索引算法):

将文件中的内容提取出来, 将文字拆封成一个一个的词(分词),
将这些词组成索引(字典中的目录),
搜索的时候先搜索索引,通过索引找文档,这个过程就叫做全文检索.

分词: 去掉停用词(a, an, the ,的, 地, 得, 啊, 嗯
,呵呵),因为搜索的时候搜索这些词没有意义,将句子拆分成词,去掉标点符号和空格

优点: 搜索速度快

缺点:
因为创建的索引需要占用磁盘空间,所以这个算法会使用掉更多的磁盘空间,这是用空间换时间。

原理:

相当于字典,分为目录和正文两部分,查询的时候通过先查目录,然后通过目录上标注的页数去正文页查找需要的内容

Lucene结构

比方说我需要为这些文件建立索引

---

---

那么可以建立如下的索引存储结构

索引（index）:

域名:词 这样的形式,

它里面有指针执行这个词来源的文档

索引库: 放索引的文件夹(这个文件夹可以自己随意创建,在里面放索引就是索引库)

Term词元: 就是一个词, 是lucene中词的最小单位

文档（Document）:

Document对象,一个Document中可以有多个Field域对象,Field域对象中是key
value键值对的形式:有域名和域值,

一个document就是数据库表中的一条记录, 一个Filed域对象就是数据库表中的一行一列

这是一个通用的存储结构.

创建索引和所有时所用的分词器必须一致

域（Field）

是否分词:

分词的作用是为了索引

需要分词: 文件名称, 文件内容

不需要分词: 不需要索引的域不需要分词,还有就是分词后无意义的域不需要分词

比如: id, 身份证号

是否索引:

索引的的目的是为了搜索.

需要搜索的域就一定要创建索引,只有创建了索引才能被搜索出来

不需要搜索的域可以不创建索引

需要索引: 文件名称, 文件内容, id, 身份证号等

不需要索引: 比如图片地址不需要创建索引, e:\\xxx.jpg

因为根据图片地址搜索无意义

是否存储:

存储的目的是为了显示.

是否存储看个人需要,存储就是将内容放入Document文档对象中保存出来,会额外占用磁盘空间,
如果搜索的时候需要马上显示出来可以放入document中也就是要存储,这样查询显示速度快,
如果不是马上立刻需要显示出来,则不需要存储,因为额外占用磁盘空间不划算.

域的各种类型

Field类 数据类型 Analyzed 是否分析 Indexed 是否索引 Stored 是否存储 说明 StringField(FieldName, FieldValue,Store.YES)) 字符串 N Y Y或N 这个Field用来构建一个字符串Field，但是不会进行分析，会将整个串存储在索引中，比如(订单号,姓名等) 是否存储在文档中用Store.YES或Store.NO决定 LongField(FieldName, FieldValue,Store.YES) Long型 Y Y Y或N 这个Field用来构建一个Long数字型Field，进行分析和索引，比如(价格) 是否存储在文档中用Store.YES或Store.NO决定 StoredField(FieldName, FieldValue) 重载方法，支持多种类型 N N Y 这个Field用来构建不同类型Field 不分析，不索引，但要Field存储在文档中 TextField(FieldName, FieldValue, Store.NO) 或 TextField(FieldName, reader) 字符串 或 流 Y Y Y或N 如果是一个Reader, lucene猜测内容比较多,会采用Unstored的策略.

给出示例代码

首先需要引入以下包：

package com.guxiang.lucence;import org.apache.commons.io.FileUtils;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.standard.StandardAnalyzer;import org.apache.lucene.document.Document;import org.apache.lucene.document.Field;import org.apache.lucene.document.LongField;import org.apache.lucene.document.TextField;import org.apache.lucene.index.IndexWriter;import org.apache.lucene.index.IndexWriterConfig;import org.apache.lucene.index.Term;import org.apache.lucene.store.Directory;import org.apache.lucene.store.FSDirectory;import org.apache.lucene.util.Version;import org.testng.annotations.Test;import org.wltea.analyzer.lucene.IKAnalyzer;import java.io.File;import java.io.IOException;import java.util.ArrayList;/** * IndexManagerTest * * @author guxiang * @date 2017/6/8 */public class IndexManagerTest {    @Test    public void testIndexCreate() throws IOException {        //采集文件中的文档数据 放入lucene中        ArrayList<Document> docList = new ArrayList<>();        //指定文件夹        File dir = new File("D:\\serversoftware\\JarAndSourceFile\\searchsource");        //循环取出文件        for (File file : dir.listFiles()) {            //文件名称            String fileName = file.getName();            //文件内容            String fileContext = FileUtils.readFileToString(file);            //文件大小            Long fileSize = FileUtils.sizeOf(file);            Document document = new Document();            //第一个参数:域名            //第二个参数:域值            //第三个参数:是否存储,是为yes,不存储为no            TextField nameFiled = new TextField("fileName", fileName, Field.Store.YES);            TextField contextFiled = new TextField("fileContext", fileContext, Field.Store.YES);            TextField sizeFiled = new TextField("fileSize", fileSize.toString(), Field.Store.YES);            //将所有的域都存放进入文档            document.add(nameFiled);            document.add(contextFiled);            document.add(sizeFiled);            docList.add(document);        }        //创建分词器,StandardAnalyzer标准分词器,标准分词器对英文分词效果很好,对中文是单字分词        Analyzer analyzer = new IKAnalyzer();        //指定索引和文档存储的目录        Directory directory = FSDirectory.open(new File("E:\\dic"));        IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_4_10_3, analyzer);        //创建写对象的初始化对象        IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_4_10_3, analyzer);        //创建索引和文档写对象        IndexWriter indexWriter = new IndexWriter(directory, config);        //将文档加入到索引和文档的写对象中        for(Document doc : docList){            indexWriter.addDocument(doc);        }        //提交        indexWriter.commit();        //关闭流        indexWriter.close();    }}