又见 Lucene

今天很迷茫，迷茫了一天。

重新来聊聊 Lucene。

Lucene 是一个搜索工具。如果让你来实现搜索，你会在怎么做？

很简单，很自然的方法，暴力搜索。

但是，当被搜索量很大时，就可能花费很长的时间，导致用户体验不佳。（我并没有去实践，这是可能性很高的推测）

于是，Lucene 使用了一种思想，索引，而且是倒序索引。

相信，第一次看到的人都会觉得头大。（这种无缘无故冒出来的新的东西，让人崩溃）

http://jackyrong.iteye.com/blog/238940

http://www.cnblogs.com/end/archive/2013/01/22/2871581.html

很简单，也很公平，将大工作量的遍历和分析工作都在创建索引时完成。

这时能搜索哪些东西已经定下来，它们被称为 token。

Term 则是 field:token。

趁热打铁。

Document doc = new Document();doc.add(new TextField("path", file.getPath(), Field.Store.YES));

TextField 是分词的，可以中源码中看出。

默认的分词手段自然是按空格对英文分词，查询结果也很正确。

而且当我查询 "chinese hello" 也得到了的结果，这意味着不只能查询 term，也可也是它们的组合之类。

doc.add(new TextField("path", file.getPath(), Field.Store.NO));

当我将 Store 设置为 No 时，之前的查询结果还是成立的，只是当

 System.out.println(document.get("path"));

输出的就是 null 了，即无法获得原始的值了。

Document doc = new Document();doc.add(new StringField("path", file.getPath(), Field.Store.YES));    

我将 TextField 替换成了 StringField，而 StringField 是不分词的。

结果，查询 “hey” 没有匹配的结果。

这说明 STORE 对查询毫无影响，只是提供一种获得原始值的方法。

不过怎么会查不到呢？ 说好是索引，不分词的。

A field that is indexed but not tokenized: the entire String value is indexed as a single token. 

API 中也说，将会把值作为一个单独的 token。

其实原因是 getPath 返回的是个相当长的路径。。。。

StringField 适合那些不需要分词的对象，比如 ID，姓名，电话号码。

TYPE_STORED.setIndexed(true);TYPE_STORED.setOmitNorms(true);TYPE_STORED.setIndexOptions(IndexOptions.DOCS_ONLY);TYPE_STORED.setStored(true);TYPE_STORED.setTokenized(false);TYPE_STORED.freeze();</span>

这是 StringField 代码中的一部分，4.0开始由 FieldType 来控制对 Fieldd 的处理。

而这里就是 FieldType 几个比较关键的方法。

是否索引，不索引就不能查询。

OmitNorms 这个有机会再说。

IndexOptions ，参考 FieldInfo 代码，有只记录文本信息，文本及文本出现频率等。

存储。

分词。

防止变动。

这篇就到这。