搜索篇：lucene简单实例

Lucene 其实很简单的,它最主要就是做两件事:建立索引和进行搜索
来看一些在lucene中使用的术语,这里并不打算作详细的介绍,只是点一下而已----因为这一个世界有一种好东西，叫搜索。

IndexWriter:lucene中最重要的的类之一，它主要是用来将文档加入索引，同时控制索引过程中的一些参数使用。

Analyzer:分析器,主要用于分析搜索引擎遇到的各种文本。常用的有StandardAnalyzer分析器,StopAnalyzer分析器,WhitespaceAnalyzer分析器等。

Directory:索引存放的位置;lucene提供了两种索引存放的位置，一种是磁盘，一种是内存。一般情况将索引放在磁盘上；相应地lucene提供了FSDirectory和RAMDirectory两个类。

Document:文档;Document相当于一个要进行索引的单元，任何可以想要被索引的文件都必须转化为Document对象才能进行索引。

Field：字段。

IndexSearcher:是lucene中最基本的检索工具，所有的检索都会用到IndexSearcher工具;

Query:查询，lucene中支持模糊查询，语义查询，短语查询，组合查询等等,如有TermQuery,BooleanQuery,RangeQuery,WildcardQuery等一些类。

QueryParser: 是一个解析用户输入的工具，可以通过扫描用户输入的字符串，生成Query对象。

Hits:在搜索完成之后，需要把搜索结果返回并显示给用户，只有这样才算是完成搜索的目的。在lucene中，搜索的结果的集合是用Hits类的实例来表示的。

上面作了一大堆名词解释，下面就看几个简单的实例吧:
1、简单的的StandardAnalyzer测试例子

Java代码

package lighter.iteye.com;import java.io.IOException;import java.io.StringReader;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.Token;import org.apache.lucene.analysis.TokenStream;import org.apache.lucene.analysis.standard.StandardAnalyzer;public class StandardAnalyzerTest {//构造函数，public StandardAnalyzerTest(){}public static void main(String[] args) {//生成一个StandardAnalyzer对象Analyzer aAnalyzer = new StandardAnalyzer();//测试字符串StringReader sr = new StringReader("lighter javaeye com is the are on");//生成TokenStream对象TokenStream ts = aAnalyzer.tokenStream("name", sr);try {int i=0;Token t = ts.next();while(t!=null){//辅助输出时显示行号i++;//输出处理后的字符System.out.println("第"+i+"行:"+t.termText());//取得下一个字符t=ts.next();}} catch (IOException e) {e.printStackTrace();}}}

显示结果：

引用

第1行:lighter
第2行:javaeye
第3行:com

提示一下：
StandardAnalyzer是lucene中内置的"标准分析器",可以做如下功能:
1、对原有句子按照空格进行了分词
2、所有的大写字母都可以能转换为小写的字母
3、可以去掉一些没有用处的单词，例如"is","the","are"等单词，也删除了所有的标点
查看一下结果与"new StringReader("lighter javaeye com is the are on")"作一个比较就清楚明了。
这里不对其API进行解释了，具体见lucene的官方文档。需要注意一点，这里的代码使用的是lucene2的API，与1.43版有一些明显的差别。

2、看另一个实例,简单地建立索引，进行搜索

Java代码

package lighter.iteye.com;import org.apache.lucene.analysis.standard.StandardAnalyzer;import org.apache.lucene.document.Document;import org.apache.lucene.document.Field;import org.apache.lucene.index.IndexWriter;import org.apache.lucene.queryParser.QueryParser;import org.apache.lucene.search.Hits;import org.apache.lucene.search.IndexSearcher;import org.apache.lucene.search.Query;import org.apache.lucene.store.FSDirectory;public class FSDirectoryTest {//建立索引的路径public static final String path = "c:\\index2";public static void main(String[] args) throws Exception {Document doc1 = new Document();doc1.add( new Field("name", "lighter javaeye com",Field.Store.YES,Field.Index.TOKENIZED));Document doc2 = new Document();doc2.add(new Field("name", "lighter blog",Field.Store.YES,Field.Index.TOKENIZED));IndexWriter writer = new IndexWriter(FSDirectory.getDirectory(path, true), new StandardAnalyzer(), true);writer.setMaxFieldLength(3);writer.addDocument(doc1);writer.setMaxFieldLength(3);writer.addDocument(doc2);writer.close();IndexSearcher searcher = new IndexSearcher(path);Hits hits = null;Query query = null;QueryParser qp = new QueryParser("name",new StandardAnalyzer());query = qp.parse("lighter");hits = searcher.search(query);System.out.println("查找\"lighter\" 共" + hits.length() + "个结果");query = qp.parse("javaeye");hits = searcher.search(query);System.out.println("查找\"javaeye\" 共" + hits.length() + "个结果");}}

运行结果：

Java代码

1. 查找"lighter" 共2个结果   
2. 查找"javaeye" 共1个结果  

 

 

1、在windows系统下的的C盘，建一个名叫s的文件夹,在该文件夹里面随便建三个txt文件，随便起名啦，就叫"1.txt","2.txt"和"3.txt"啦
其中1.txt的内容如下：

Java代码

 

中华人民共和国全国人民2006年

而"2.txt"和"3.txt"的内容也可以随便写几写，这里懒写，就复制一个和1.txt文件的内容一样吧

2、下载lucene包，放在classpath路径中
建立索引:

Java代码

package lighter.iteye.com;import java.io.BufferedReader;import java.io.File;import java.io.FileInputStream;import java.io.IOException;import java.io.InputStreamReader;import java.util.Date;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.index.IndexWriter;/** * author lighter date 2006-8-7 */public class TextFileIndexer {public static void main(String[] args) throws Exception {/* 指明要索引文件夹的位置,这里是C盘的S文件夹下 */File fileDir = new File("c:\\s");/* 这里放索引文件的位置 */File indexDir = new File("c:\\index");Analyzer luceneAnalyzer = new StandardAnalyzer();IndexWriter indexWriter = new IndexWriter(indexDir, luceneAnalyzer,true);File[] textFiles = fileDir.listFiles();long startTime = new Date().getTime();//增加document到索引去for (int i = 0; i < textFiles.length; i++) {if (textFiles[i].isFile()&& textFiles[i].getName().endsWith(".txt")) {System.out.println("File " + textFiles[i].getCanonicalPath()+ "正在被索引....");String temp = FileReaderAll(textFiles[i].getCanonicalPath(),"GBK");System.out.println(temp);Document document = new Document();Field FieldPath = new Field("path", textFiles[i].getPath(),Field.Store.YES, Field.Index.NO);Field FieldBody = new Field("body", temp, Field.Store.YES,Field.Index.TOKENIZED,Field.TermVector.WITH_POSITIONS_OFFSETS);document.add(FieldPath);document.add(FieldBody);indexWriter.addDocument(document);}}//optimize()方法是对索引进行优化indexWriter.optimize();indexWriter.close();//测试一下索引的时间long endTime = new Date().getTime();System.out.println("这花费了"+ (endTime - startTime)+ " 毫秒来把文档增加到索引里面去!"+ fileDir.getPath());}public static String FileReaderAll(String FileName, String charset)throws IOException {BufferedReader reader = new BufferedReader(new InputStreamReader(new FileInputStream(FileName), charset));String line = new String();String temp = new String();while ((line = reader.readLine()) != null) {temp += line;}reader.close();return temp;}}

索引的结果：

Java代码

 

File C:\s\1.txt正在被索引....中华人民共和国全国人民2006年File C:\s\2.txt正在被索引....中华人民共和国全国人民2006年File C:\s\3.txt正在被索引....中华人民共和国全国人民2006年这花费了297 毫秒来把文档增加到索引里面去!c:\s

3、建立了索引之后，查询啦....

Java代码

package lighter.iteye.com;import java.io.IOException;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.standard.StandardAnalyzer;import org.apache.lucene.queryParser.ParseException;import org.apache.lucene.queryParser.QueryParser;import org.apache.lucene.search.Hits;import org.apache.lucene.search.IndexSearcher;import org.apache.lucene.search.Query;public class TestQuery {public static void main(String[] args) throws IOException, ParseException {Hits hits = null;String queryString = "中华";Query query = null;IndexSearcher searcher = new IndexSearcher("c:\\index");Analyzer analyzer = new StandardAnalyzer();try {QueryParser qp = new QueryParser("body", analyzer);query = qp.parse(queryString);} catch (ParseException e) {}if (searcher != null) {hits = searcher.search(query);if (hits.length() > 0) {System.out.println("找到:" + hits.length() + " 个结果!");}}}}

其运行结果：

引用

找到:3 个结果!