搜索引擎开发笔记三

        生命就像一盒巧克力，你永远不知道下一颗是什么滋味。——《阿甘正传》 

        消失了一周，我又回来了。。。

        上回书说了Lucene的两个最重要的两个类Document和Field。Document的意义为文档，在Lucene，它代表一种逻辑文件。Lucene无法直接为物理文件建立索引。有时利用Document来与物理文件建立对应关系。但是，更多时候，Document和物理文件没有关系，它作为一种数据源的集合，向Lucene提供原始的要索引的文本内容。在Lucene中，数据源是有一个被称为Field的类来表示的。Field可以理解为关系型数据库的字段。而Document就是一条记录。每个字段有各种属性，Field同样也有很多属性。

       数据源的属性有三种：是否存储 是否索引 是否分词

       Document的内部实现，它主要对Field的信息进行记录和管理的作用，以遍Lucene遍历所有Field信息。在Document内部，Field保存在一个Vector类型的对象数组中。

代码如下

//为Document加入一个Field，这个也是最常用的方法public final void add(Field field)//删除一个Fieldpublic final void removeField(String name)//删除多个Field，这些Field的名字都相同public final void removeFields(String name)//根据一个Field的名称来获取它的实例，如果有多个Field的名称一样就返回第一个Field的信息public final Field getField（String name）//取出Field的值，也就是数据源的值public final String get(String name)//得到一个所有的Field的枚举public final Enumration fields()//根据名称得到一个Field的数组public final Field[] getFields(String name)//根据名称得到一个Field的值的数组public final String[] getValue(String name)

当需要在Document中添加一个Field时

加如下代码

//构建一个Document对象Document doc = new Document();//构建四个FieldField f1 = new Field("name1","value1",Field.Store.YES,Field.Index.TOKENIZED);Field f1 = new Field("name2","value2",Field.Store.YES,Field.Index.TOKENIZED);Field f1 = new Field("namE3","value3",Field.Store.YES,Field.Index.TOKENIZED);Field f1 = new Field("name4","value4",Field.Store.YES,Field.Index.TOKENIZED);//依次将Field加入Document中doc.add(f1);doc.add(f2);doc.add(f3);doc.add(f4);

Field的内部实现，在Lucene2.0之前，只有三个布尔型变量以此标明Field的3种属性

//是否储存private boolean isStored = false;//是否索引private boolean isIndexed = true;//是否分词private boolean isTokenized = true;

 

而在Lucene2.0版本中

实现代码如下

 

/** * 表示Field的存储属性 */public static final class Store extends Parameter implements Serializable{private Store(String name){super(name);}//Field被压缩储存public static final Store COMPRESS = new Store("COMPRESS");//Field被存储public static final Store YES = new Store("YES");//Field不被存储public static final Store NO = new Store("NO");}/***表示Field的索引属性*/public static final class Index extends Parameter implements Serializable{private Index(String name){super(name);}//Field不索引public static final NO = new Index("NO");//Field被分词后索引public static final Index TOKENIZED = new Index("TOKENIZED");//Field不分词索引public static final Index UN_TOKENIZED = new Index("UN_TOKENIZED");//不使用Analyzer来索引Fieldpublic static final Index NO_NORMS = new Index("NO_NORMS");}

上述两个静态内部类Store和Index描述了Field的所有属性，它们分别表示Field的存储方式和索引方式。

Store类有3个公有的静态属性

1.Store.NO：表示该Field不需要存储

2.Store.YES：表示该Field需要存储

3.Store.COMPRESS：表示使用压缩方式来保存这个Field的值

Index类有4个公有的静态属性

1.Index.NO：表示该索引不需要存储，即用户不需要去查找该Field的值

2.Index.TOKENIZED：表示该Field先被分词再索引

3.Index.NO_NORMS：表示不对该Field进行分词，但是不使用Analyzer，同时禁止它参加评分，主要是减少内存的消耗

 

Field类的构造方法

五种公有构造方法，来构造Field对象

public Field(String name,String value,Store stroe,Index index)public Field(String name,String value,Store store,Index index,TermVector termVector)public Field(String name,Reader reader)public Field(String name,Reader reader,TermVector termVector)public Field(String name,byte[] value,Store store)

name是指这个Field的名称，在为Field添加值时，有三种方式

1.直接的字符串方式

2.使用Reader从外部传入

3.使用直接的二进制byte传入

下面演示如何为图书馆构建Document和Field

Document bookdoc = new Document();//创建书号FieldField bookNo = new Field("booknumber","FB7654321",Field.Store.YES,Field.Index.UN_TOKENIZED);//创建书名FieldField bookName = new Field("bookname","海的女儿",Field.Score.YES,Field.Index.UN_TOKENIZED);//创建作者FieldField author = new Field("author"+"匿    名"+Field.Store.YES,Field.Index.UN_TOKENIZED);//创建发行日期FieldField publicdate = new Field("publishdate"+"1993-05-24",Field.Store.YES,Field.Index.NO);//创建摘要FieldField bookabstract = new Field("abstract","海的女儿很好看。",Field.Store.NO,Field.Index.TOKENIZED);//创建价格FIeldField bookabstract = new Field("price","25.00",Field.Store.YES,Field.Index.NO);//把所有的Field加入到Document中bookdoc.add(bookNo);bookdoc.add(bookName);bookdoc.add(author);bookdoc.add(publishdate);bookdoc.add(bookabstract);bookdoc.add(price);

 

欧了，今天到这吧。