lucene初探(-):lucene基本,实现文件查找

1:什么是lucene?

Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的免费开源工具。就其本身而言，Lucene是当前以及最近几年最受欢迎的免费Java信息检索程序库。人们经常提到信息检索程序库，虽然与搜索引擎有关，但不应该将信息检索程序库与搜索引擎相混淆.
以前我们的搜索都是从数据库中查找,这样既耗费带宽而且用户体验也不好,有的时候我们的用户想搜索整个网站的内容时,sql搜索就做不到了,总的来说就是我们可以实用lucene框架很容易的实现web站点的内容检索,

由于网络上lucene学习视频即教程都是杂乱无章,Apache自己的关于lucene说明文档,也不是很清晰,虽然现在lucene6.0已经发布,但是作为一个小白,很抱歉我的能力不够,实在看不懂lucene6.0,所以这里,先从lucene4.0学起

2:lucene4.0实现文件检索

2.1:首先准备要检索的文件

2.2,编写文件检索代码

代码如下,内容解释都在代码中:

package com.leige.demo;import java.io.File;import java.io.FileReader;import java.io.IOException;import org.apache.lucene.analysis.core.SimpleAnalyzer;import org.apache.lucene.analysis.standard.StandardAnalyzer;import org.apache.lucene.document.Document;import org.apache.lucene.document.Field.Store;import org.apache.lucene.document.StringField;import org.apache.lucene.document.TextField;import org.apache.lucene.index.DirectoryReader;import org.apache.lucene.index.IndexReader;import org.apache.lucene.index.IndexWriter;import org.apache.lucene.index.IndexWriterConfig;import org.apache.lucene.queryparser.classic.QueryParser;import org.apache.lucene.search.IndexSearcher;import org.apache.lucene.search.Query;import org.apache.lucene.search.ScoreDoc;import org.apache.lucene.search.TopDocs;import org.apache.lucene.search.TopScoreDocCollector;import org.apache.lucene.store.Directory;import org.apache.lucene.store.FSDirectory;import org.apache.lucene.util.Version;/** * Created by 姊佺 on 2016/6/4. */public class HelloLucene {    public void index() throws  Exception{//创建索引         IndexWriter writer=null;         try {             //1.创建directory,保存索引,可以保存在内存中也可以保存在硬盘上             //保存在内存中使用Directory directory=new RAMDirectory();             Directory directory= FSDirectory.open(new File("F:\\lucene\\index"));              //2.1创建indexwriterConfig,并指定分词器版本             IndexWriterConfig config=new IndexWriterConfig(Version.LUCENE_40,                     new SimpleAnalyzer(Version.LUCENE_40));             //2,创建IndexWriter,indexWriter,需要使用indexConfig,             writer= new IndexWriter(directory, config);             //3.创建document             Document doc=null;             File docDirectory=new File("F:\\lucene\\example");             for(File file: docDirectory.listFiles()){                 doc=new Document();                 //创建搜索域,并说明是否进行分词                 doc.add(new TextField("content",new FileReader(file)));                 doc.add(new StringField("filename", file.getName(), Store.YES));                 doc.add(new StringField("path",file.getAbsolutePath(), Store.YES));                 //写入文档                 writer.addDocument(doc);             }         }catch (Exception e){             throw e;         }finally {             if(writer!=null)writer.close();         }     }     public void seach(){//搜索索引         IndexReader indexReader=null;         try {             //.1创建索引在的文件夹             Directory indexDirectory=FSDirectory.open(new File("F:\\lucene\\index"));             //2.创建indexReader             indexReader=DirectoryReader.open(indexDirectory);             //3:根据indexReader创建indexSeacher             IndexSearcher searcher=new IndexSearcher(indexReader);             //4创建搜索用的query,指定搜索域             QueryParser parser=new QueryParser(Version.LUCENE_40,"content",                     new SimpleAnalyzer(Version.LUCENE_40));             Query query=parser.parse("mybatis");             TopScoreDocCollector collector = TopScoreDocCollector.create(10, true);             //5,根据seacher搜索            searcher.search(query,collector);             ScoreDoc[] scoreDocs=collector.topDocs().scoreDocs;             for (ScoreDoc sd:scoreDocs){                 //6:根据seacher和scoredoc对象获取具体的document对象                 Document doc=searcher.doc(sd.doc);                 System.out.println(doc.get("filename")+"---------"+doc.get("path"));             }         } catch (Exception e) {             e.printStackTrace();         }finally {             if(indexReader!=null) try {                 indexReader.close();             } catch (IOException e) {                 e.printStackTrace();             }         }     }}

2.3测试代码,注意要先执行创建索引,然后才能查找

package com.leige.demo;import static org.junit.Assert.*;import org.junit.Test;public class HelloLuceneTest {    @Test    public void test() {//测试索引    HelloLucene lucene=new HelloLucene();    try {        lucene.index();    } catch (Exception e) {        // TODO Auto-generated catch block        e.printStackTrace();    }    }    @Test    public void seach(){//搜索索引        HelloLucene lucene=new HelloLucene();        try {            lucene.seach();        } catch (Exception e) {            // TODO Auto-generated catch block            e.printStackTrace();        }    }}

执行创建索引会生成,索引文件:如下

2.4,文件检索结果,表示这两个,文件中包含mybatis文字:

需要注意的lucene自带的分词器,对中文分词不是很友好,所以我们可以再第三方分词器,例如mms分词器也是极好的