全文检索Lucene 应用(一)

-- 从源码编译lucene 3.0.2

1. 下载lucene 3.0.2 source 和编译所需的组件

$wget –c http://archive.apache.org/dist/lucene/java/lucene-3.0.2-src.tar.gz

$ wget -c --no-check-certificate https://javacc.dev.java.net/files/documents/17/138911/javacc-5.0.tar.gz

$ wget -c http://www.jflex.de/jflex-1.4.3.tar.gz

$ wget –c http://www.atlassian.com/software/clover/downloads/binary/clover-ant-3.0.2.zip

Java和ant使用编译Ooo时使用的版本，这里，Java 版本是1.6.0_18。Ant的版本是1.7.1

 

2. 安装javacc jflex clover

直接将javaccjflex clover解压到d:/softenv目录下，将clover.jar，以及在www.atlassian.com 申请来的license文件clover.license copy到ant安装目录的lib子目录下

 

3. 修改编译参数文件

修改common-build.xml，如下

  <property name="dev.version" value="3.0.2"/>

在lucene-3.0.2源码目录下创建build.properties，加入如下内容：

javacc.home=D:/SoftEnv/javacc-5.0

jflex.home=D:/SoftEnv/jflex-1.4.3

 

 

4. 在cygwin环境下编译测试

这里假定你已经有windows环境下的OpenOfficecygwin编译环境 在cygwin运行openoffice的编译环境。

$ . ./winenv.set.sh

$ exportPATH=$PATH:/cygdrive/d/SoftEnv/apache-ant-1.7.1/bin

#编译打包lucene。下图是编译完成后的结果展示。

$ ant package-all-binary

#测试lucene以及demo。Test all 要花费很长时间，下图是测试完成后的结果。

$ ant test

 

5. 总结

由于OpenOffice.Org从3.0开始增加了lucene模块，据我了解现在只是在online help中用于帮助查找的索引建立，使用的是2.3.2版本，而且对中文支持不好。下一步要研究①将Ooo中的lucene升级到3.0.2，增加online help中对中文的支持；②研究lucene中文分词算法；③lucene在检索以xml为基础的文件(如：odf、uof)的使用。