Lucene.net学习随笔

 今天看了一下一直想学的Lucene.net，一直以来都仰慕它强大的检索功能，今天上网查了些资料，学习了一下基础的，适合一点也不知道Lucene.net的大虾，纯属自我了解，自我心得，有疏漏和不妥之处，还望各位资深人士多多点拨。

Lucene.net是Lucene的.net版本，是用于实现全文检索的一组API，简单理解就是那些专家写的实现全文检索功能的一些函数封装起来，供其他需要使用全文检索功能的开发人员调用。

了解了它是什么，下面看下他的用法：

一、既然是检索全文，那么就要涉及到索引的创建了

1、首先通过Analyzer分析数据，比如说分割单词（ANALYZED），过滤无效词（的、in），优化关键词（搜索he、统配her等）。

/// <summary>           /// 建立索引字段           /// </summary>           /// <param name="writer"></param>           /// <param name="title"></param>           /// <param name="content"></param>           protected void AddDocument(IndexWriter writer, string title, string content)        {            Document document = new Document();            document.Add(new Field("title", title, Field.Store.NO, Lucene.Net.Documents.Field.Index.TOKENIZED));            document.Add(new Field("content", content, Field.Store.NO, Field.Index.TOKENIZED));            writer.AddDocument(document);        }

2、Lucene是把分析好的数据存储到文件中，使用IndexWriter类写入；lucene使用Field的对关键字的描述（相当于数据表的字段），比如，关键字的出现的频率，位置等，而使用document存放每一条检索到的数据（相当于数据表的Row），最后把document逐行写入文件，索引创建完成。

/// <summary>           /// 创建索引           /// </summary>           protected void CreatedIndex()        {            //全文分析：由于lucene是基于关键词索引和查询的，首先我们要取得这两篇文章的关键词，通常我们需要如下处理措施                                                  a.我们现在有的是文章内容，即一大串字符串，我们先要找出全文字符串中的所有单词，即分词。英文单词由于用空格分隔，比较好处理。中文单词间是连在一起的需要特殊的分词处理。（中文通常用词典的方式比较准确）　                                        b.文章中的”in”, “once” “too”等词没有什么实际意义，中文中的“的”“是”等字通常也无具体含义，这些不代表概念的词可以过滤掉，即分词解析中的过滤　　                                                                      c.用户通常希望查“He”时能把含“he”，“HE”的文章也找出来，所以所有单词需要统一大小写。即解析过程中的额外处理（用户可以根据自己需要增加多重处理）。　　                                                                                                                  d.用户通常希望查“live”时能把含“lives”，“lived”的文章也找出来，所以需要把“lives”，“lived”还原成“live”即进一步优化处理（可以更人性更友好）　　        e.文章中的标点符号通常不表示某种概念，也可以过滤掉    Analyzer analyzer = new StandardAnalyzer();            string path = Server.MapPath("~/IndexDir");  //设置索引存储的路径            IndexWriter writer = new IndexWriter(path, analyzer, true);            AddDocument(writer, "SQL Server 2008 的发布", "SQL Server 2008 的新特性");            AddDocument(writer, "SQL Server 2012 的发布", "SQL Server 2012 的新特性");            AddDocument(writer, "ASP.Net MVC框架配置与分析", "而今，微软推出了新的MVC开发框架，也就是Microsoft ASP.NET 3.5 Extensions");            writer.Optimize();              writer.Close();        }

二、开始搜索

正在研究，研究好就和大家分享。