lucene

来源：互联网发布：英语四级备考软件编辑：程序博客网时间：2024/05/15 05:10

Lucene不是一个完整的全文索引应用，而是是一个用Java写的全文索引引擎工具包，它可以方便的嵌入到各种应用中实现针对应用的全文索引/检索功能。

Lucene的目标是为各种中小型应用程序加入全文检索功能

一、开始
首先在Apache下载Lucene 2.3.0包，其中包含了核心jar和LuceneAPI文档，解压后，将 lucene-core-2.3.0.jar放在classpath中。

二、创建索引

创建索引时需要指定存放索引的目录（将来检索时需要对这个目录中的索引进行检索），和文件的目录（如果是对文件进行索引的话）代码如下：

public void crateIndex() throws Exception {
File indexDir = new File(“D://luceneIndex”);

// 存储索引文件夹

File dataDir = new File(“D://test”);

// 需要检索文件夹

Analyzer luceneAnalyzer = new PaodingAnalyzer();

//PaodingAnalyzer这个类是庖丁解牛中文分词分析器类继承了Lucene的Analyzer接口，对于检索中文分词有很大帮助

File[] dataFiles = dataDir.listFiles();

boolean fileIsExist = false;

if (indexDir.listFiles().length == 0)

fileIsExist = true;

IndexWriter indexWriter = new IndexWriter(indexDir, luceneAnalyzer, fileIsExist);

// 第三个参数是一个布尔型的变量，如果为 true 的话就代表创建一个新的索引，为 false 的话就代表在原来索引的基础上进行操作。

long startTime = new Date().getTime();

this.doIndex(dataFiles, indexWriter);

indexWriter.optimize();//优化索引

indexWriter.close();//关闭索引

long endTime = new Date().getTime();

System.out.println(“It takes “ + (endTime – startTime)

+ ” milliseconds to create index for the files in directory “ + dataDir.getPath());

{color:black}}

* private{*} void doIndex(File[] dataFiles, IndexWriter indexWriter)throws Exception {

for (int i = 0; i < dataFiles.length; i++) {

if (dataFiles[i].isFile() && dataFiles[i].getName().endsWith(“.html”)) {//索引所有html格式文件

System.out.println(“Indexing file “ + dataFiles[i].getCanonicalPath());

Reader txtReader = new FileReader(dataFiles[i]);

Document document = new Document();

// Field.Store.YES 存储Field.Store.NO 不存储

// Field.Index.TOKENIZED 分词 Field.Index.UN_TOKENIZED 不分词

document.add(new Field(“path”, dataFiles[i].getCanonicalPath(), Field.Store.YES,Field.Index.UN_TOKENIZED));

document.add(new Field(“filename”, dataFiles[i].getName(), Field.Store.YES, Field.Index.TOKENIZED));

// 另外一个构造函数,接受一个Reader对象

document.add(new Field(“contents”, txtReader));

indexWriter.addDocument(document);

{color:black}} else if (dataFiles[i].isFile() && dataFiles[i].getName().endsWith(“.doc”)) {//索引所有word文件

FileInputStream in = new FileInputStream(dataFiles[i]);//获得文件流

WordExtractor extractor = new WordExtractor(in);//使用POI对word文件进行解析

String str = extractor.getText();//返回String

Document document = new Document();//生成Document对象,其中有3个Field,分别是path,filename,contents

document.add(new Field(“path”, dataFiles[i].getCanonicalPath(), Field.Store.YES,

Field.Index.UN_TOKENIZED));

document.add(new Field(“filename”, dataFiles[i].getName(), Field.Store.YES, Field.Index.TOKENIZED));

// 另外一个构造函数,接受一个Reader对象

document.add(new Field(“contents”, str, Field.Store.YES,Field.Index.TOKENIZED,
Field.TermVector.WITH_POSITIONS_OFFSETS));

indexWriter.addDocument(document);

{color:black}} else {

if (dataFiles[i].isDirectory()) {

doIndex(dataFiles[i].listFiles(), indexWriter);//使用递归,继续索引文件夹

{color:black}}

从上面代码中可以看到对文件(或者说是数据)创建索引是一件很容易的事,首先确定需要索引的文件夹(或者数据库中的数据注:Lucene只接受数据,他不会区分数据的来源,也就是说不管是什么你只要把它转为String格式的数据,Lucene就能创建索引),然后指定创建后索引存放的地方,我们自己对数据处理后创建一个Document对象这里面你可以自己定义放几个Field,并定义Field是否进行分词什么的,这样索引就创建好了.

注:使用庖丁解牛中文分词,需要将”庖丁”中的词典(dic文件夹)放到classpath 中再把 paoding-analyzer.properties文件也放到classpath中 properties文件内容如下:

paoding.imports={color}

ifexists:classpath:paoding-analysis-default.properties;{color}

ifexists:classpath:paoding-analysis-user.properties;{color}

ifexists:classpath:paoding-knives-user.properties

paoding.dic.home=classpath:dic

三、检索

对于创建数据的索引我们已经了解了,下面介绍一下,检索数据, 检索数据的时候我们不用关心原始的数据或者文件,我们只关心lucene生成的索引,但是要使用当初生成索引时的同一个分析器进行分析索引.

public void searchIndex() throws Exception {

String contents = ”项目”;//内容的关键字

String filename = ”测试”;//文件名的关键字

File indexDir = new File(“D:
luceneIndex”);//存放索引的文件夹

FSDirectory directory = FSDirectory.getDirectory(indexDir);

Searcher searcher = new IndexSearcher(directory);

QueryParser parserContents = new QueryParser(“contents”, luceneAnalyzer);

QueryParser parserFilename = new QueryParser(“filename”, luceneAnalyzer);

//使用同一个分析器luceneAnalyzer分别生成两个QueryParser对象

Query query1 = parserContents.parse(contents);

Query query2 = parserFilename.parse(filename);

BooleanQuery query = new BooleanQuery();

query.add(query1, BooleanClause.Occur.MUST);

query.add(query2, BooleanClause.Occur.MUST);

SimpleHTMLFormatter formatter =new SimpleHTMLFormatter(“”,””);

Highlighter highlighter = new Highlighter(formatter,newQueryScorer(query));

highlighter.setTextFragmenter(newSimpleFragmenter(60));

//Lucene自带的高亮功能,在Lucene发布的bin中的lucene-2.3.0\contrib\highlighter文件夹下 lucene-highlighter-2.3.0.jar 需要导入

Hits hits = searcher.search(query);

for(int i=0;i<hits.length();i++){

TokenStream tokenStream = luceneAnalyzer.tokenStream(“contents”,new StringReader(hits.doc

.get(“contents”)));

this.pageContext.getOut().println(“<a href=’”+ hits.doc

.get(“path”) +”‘>”+ELFuncUtil.setStyle(hits.doc

.get(“filename”), filename)+”</a> ”);

String str = highlighter.getBestFragment(tokenStream,hits.doc

.get(“contents”) + ”…”);

this.pageContext.getOut().println(“”+str+””);

this.pageContext.getOut().println(“ <hr> ”);

{color:black}}

<style>

.highlight {

background: yellow;

color: #CC0033;

{color:black}}

</style>

这样外界的访问直接通过Lucene去检索索引,不去触及真正的文件,效率大大提高.页面再加上一点修饰一个使用Lucene构建的搜索引擎就完成了.