Java Lucene 教程讲解.doc

Java Lucene 教程Lucene 教程Lucene是apache组织的一个用java实现全文搜索引擎的开源项目。 其功能非常的强大，api也很简单。总得来说用Lucene来进行建立 和搜索和操作数据库是差不多的(有点像)，Document可以看作是 数据库的一行记录，Field可以看作是数据库的字段。用lucene实 现搜索引擎就像用JDBC实现连接数据库一样简单。Lucene2.0，它与以前广泛应用和介绍的Lucene 1.4.3并不兼容。 Lucene2.0的下载地址是/lucene/java/例子一 ：1、在windows系统下的的C盘，建一个名叫s的文件夹,在该文件夹里面随便建三个txt文件，随便起名啦，就叫1.txt,2.txt和3.txt啦其中1.txt的内容如下：中华人民共和国全国人民2006年而2.txt和3.txt的内容也可以随便写几写，这里懒写，就复制一个和1.txt文件的内容一样吧2、下载lucene包，放在classpath路径中建立索引:package ;import java.io.BufferedReader;import java.io.File;import java.io.FileInputStream;import java.io.IOException;import java.io.InputStreamReader;import java.util.Date;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.standard.StandardAnalyzer;import org.apache.lucene.document.Document;import org.apache.lucene.document.Field;import org.apache.lucene.index.IndexWriter;/* author lighter date 2006-8-7 */public class TextFileIndexer public static void main(String args) throws Exception /* 指明要索引文件夹的位置,这里是C盘的S文件夹下 */ File fileDir = new File( c:s ); /* 这里放索引文件的位置 */ File indexDir = new File( c:index ); Analyzer luceneAnalyzer = new StandardAnalyzer(); IndexWriter indexWriter = new IndexWriter(indexDir, luceneAnalyzer, true ); File textFiles = fileDir.listFiles(); long startTime = new Date().getTime(); / 增加document到索引去 for ( int i = 0 ; i 0 ) System.out.println( 找到: + hits.length() + 个结果! ); 其运行结果：找到: 3 个结果 !Lucene 其实很简单的,它最主要就是做两件事:建立索引和进行搜索来看一些在lucene中使用的术语,这里并不打算作详细的介绍,只是点一下而已-因为这一个世界有一种好东西，叫搜索。IndexWriter:lucene中最重要的的类之一，它主要是用来将文档加入索引，同时控制索引过程中的一些参数使用。Analyzer:分析器,主要用于分析搜索引擎遇到的各种文本。常用的有StandardAnalyzer分析器,StopAnalyzer分析器,WhitespaceAnalyzer分析器等。Directory:索引存放的位置;lucene提供了两种索引存放的位置，一种是磁盘，一种是内存。一般情况将索引放在磁盘上；相应地lucene提供了FSDirectory和RAMDirectory两个类。Document:文档;Document相当于一个要进行索引的单元，任何可以想要被索引的文件都必须转化为Document对象才能进行索引。Field：字段。IndexSearcher:是lucene中最基本的检索工具，所有的检索都会用到IndexSearcher工具;Query:查询，lucene中支持模糊查询，语义查询，短语查询，组合查询等等,如有TermQuery,BooleanQuery,RangeQuery,WildcardQuery等一些类。QueryParser: 是一个解析用户输入的工具，可以通过扫描用户输入的字符串，生成Query对象。Hits:在搜索完成之后，需要把搜索结果返回并显示给用户，只有这样才算是完成搜索的目的。在lucene中，搜索的结果的集合是用Hits类的实例来表示的。上面作了一大堆名词解释，下面就看几个简单的实例吧:1、简单的的StandardAnalyzer测试例子package ;import java.io.IOException;import java.io.StringReader;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.Token;import org.apache.lucene.analysis.TokenStream;import org.apache.lucene.analysis.standard.StandardAnalyzer;public class StandardAnalyzerTest / 构造函数， public StandardAnalyzerTest() public static void main(String args) / 生成一个StandardAnalyzer对象 Analyzer aAnalyzer = new StandardAnalyzer(); / 测试字符串 StringReader sr = new StringReader( lighter javaeye com is the are on ); / 生成TokenStream对象 TokenStream ts = aAnalyzer.tokenStream( name , sr); try int i = 0 ; Token t = ts.next(); while (t != null ) / 辅助输出时显示行号 i + ; / 输出处理后的字符 System.out.println( 第 + i + 行: + t.termText(); / 取得下一个字符 t = ts.next(); catch (IOException e) e.printStackTrace(); 显示结果：第1行:lighter第2行:javaeye第3行:com提示一下：StandardAnalyzer是lucene中内置的标准分析器,可以做如下功能:1、对原有句子按照空格进行了分词2、所有的大写字母都可以能转换为小写的字母3、可以去掉一些没有用处的单词，例如is,the,are等单词，也删除了所有的标点查看一下结果与new StringReader(lighter javaeye com is the are on)作一个比较就清楚明了。这里不对其API进行解释了，具体见lucene的官方文档。需要注意一点，这里的代码使用的是lucene2的API，与1.43版有一些明显的差别。2、看另一个实例,简单地建立索引，进行搜索package ;import org.apache.lucene.analysis.standard.StandardAnalyzer;import org.apache.lucene.document.Document;import org.apache.lucene.document.Field;import org.apache.lucene.index.IndexWriter;import org.apache.lucene.queryParser.QueryParser;import org.apache.lucene.search.Hits;import org.apache.lucene.search.IndexSearcher;import org.apache.lucene.search.Query;import org.apache.lucene.store.FSDirectory;public class FSDirectoryTest / 建立索引的路径 public static final String path = c:index2 ; public static void main(String args) throws Exception Document doc1 = new Document(); doc1.add( new Field( name , lighter javaeye com ,Field.Store.YES,Field.Index.TOKENIZED); Document doc2 = new Document(); doc2.add( new Field( name , lighter blog ,Field.Store.YES,Field.Index.TOKENIZED); IndexWriter writer = new IndexWriter(FSDirectory.getDirectory(path, true ), new StandardAnalyzer(), true ); writer.setMaxFieldLength( 3 ); writer.addDocument(doc1); writer.setMaxFieldLength( 3 ); writer.addDocument(doc2); writer.close(); IndexSearcher searcher = new IndexSearcher(path); Hits hits = null ; Query query = null ; QueryParser qp = new QueryParser( name , new StandardAnalyzer(); query = qp.parse( lighter ); hits = searcher.search(query); System.out.println( 查找 lighter 共 + hits.length() + 个结果 ); query = qp.parse( javaeye ); hits = searcher.search(query); System.out.println( 查找 javaeye 共 + hits.length() + 个结果 ); 运行结果：查找 lighter 共2个结果查找 javaeye 共1个结果到现在我们已经可以用lucene建立索引了下面介绍一下几个功能来完善一下：1索引格式其实索引目录有两种格式，一种是除配置文件外，每一个Document独立成为一个文件（这种搜索起来会影响速度）。另一种是全部的Document成一个文件，这样属于复合模式就快了。2.索引文件可放的位置：索引可以存放在两个地方1.硬盘，2.内存放在硬盘上可以用FSDirectory()，放在内存的用RAMDirectory()不过一关机就没了FSDirectory.getDirectory(File file, boolean create)FSDirectory.getDirectory(String path, boolean create)两个工厂方法返回目录New RAMDirectory()就直接可以再和IndexWriter(Directory d, Analyzer a, boolean create)一配合就行了如：IndexWrtier indexWriter = new IndexWriter(FSDirectory.getDirectory(“c:index”, true ), new StandardAnlyazer(), true );IndexWrtier indexWriter = new IndexWriter( new RAMDirectory(), new StandardAnlyazer(), true );3.索引的合并这个可用IndexWriter.addIndexes(Directory dirs)将目录加进去来看个例子:public void UniteIndex() throws IOException IndexWriter writerDisk = new IndexWriter(FSDirectory.getDirectory( c:indexDisk , true ), new StandardAnalyzer(), true ); Document docDisk = new Document(); docDisk.add( new Field( name , 程序员之家 ,Field.Store.YES,Field.Index.TOKENIZED); writerDisk.addDocument(docDisk); RAMDirectory ramDir = new RAMDirectory(); IndexWriter writerRam = new IndexWriter(ramDir, new StandardAnalyzer(), true ); Document docRam = new Document(); docRam.add( new Field( name , 程序员杂志 ,Field.Store.YES,Field.Index.TOKENIZED); writerRam.addDocument(docRam); writerRam.close(); / 这个方法非常重要，是必须调用的 writerDisk.addIndexes( new Directory ramDir ); writerDisk.close(); public void UniteSearch() throws ParseException, IOException QueryParser queryParser = new QueryParser( name , new StandardAnalyzer(); Query query = queryParser.parse( 程序员 ); IndexSearcher indexSearcher = new IndexSearcher( c:indexDisk ); Hits hits = indexSearcher.search(query); System.out.println( 找到了 + hits.length() + 结果 ); for ( int i = 0 ;i Document doc = hits.doc(i); System.out.println(doc.get( name ); 这个例子是将内存中的索引合并到硬盘上来.注意：合并的时候一定要将被合并的那一方的IndexWriter的close()方法调用。4.对索引的其它操作:IndexReader类是用来操作索引的，它有对Document,Field的删除等操作。下面一部分的内容是：全文的搜索全文的搜索主要是用：IndexSearcher,Query,Hits,Document(都是Query的子类),有的时候用QueryParser主要步骤：1 . new QueryParser(Field字段， new 分析器)2 .Query query = QueryParser.parser(“要查询的字串”);这个地方我们可以用反射api看一下query究竟是什么类型3 . new IndexSearcher(索引目录).search(query);返回Hits4 .用Hits.doc(n);可以遍历出Document5 .用Document可得到Field的具体信息了。其实1，2两步就是为了弄出个Query 实例，究竟是什么类型的看分析器了。拿以前的例子来说吧QueryParser queryParser = new QueryParser( name , new StandardAnalyzer(); Query query = queryParser.parse( 程序员 );/* 这里返回的就是org.apache.lucene.search.PhraseQuery */ IndexSearcher indexSearcher = new IndexSearcher( c:indexDisk ); Hits hits = indexSearcher.search(query);不管是什么类型，无非返回的就是Query的子类，我们完全可以不用这两步直接new个Query的子类的实例就ok了，不过一般还是用这两步因为它返回的是PhraseQuery这个是非常强大的query子类它可以进行多字搜索用QueryParser可以设置各个关键字之间的关系这个是最常用的了。IndexSearcher:其实IndexSearcher它内部自带了一个IndexReader用来读取索引的，IndexSearcher有个close()方法，这个方法不是用来关闭IndexSearche的是用来关闭自带的IndexReader。QueryParser呢可以用parser.setOperator()来设置各个关键字之间的关系（与还是或）它可以自动通过空格从字串里面将关键字分离出来。注意：用QueryParser搜索的时候分析器一定的和建立索引时候用的分析器是一样的。Query:可以看一个lucene2.0的帮助文档有很多的子类:BooleanQuery, ConstantScoreQuery, ConstantScoreRangeQuery, DisjunctionMaxQuery, FilteredQuery, MatchAllDocsQuery, MultiPhraseQuery, MultiTermQuery, PhraseQuery, PrefixQuery, RangeQuery, SpanQuery, TermQuery各自有用法看一下文档就能知道它们的用法了下面一部分讲一下lucene的分析器:分析器是由分词器和过滤器组成的，拿英文来说吧分词器就是通过空格把单词分开，过滤器就是把the,to,of等词去掉不被搜索和索引。我们最常用的是StandardAnalyzer()它是lucene的标准分析器它集成了内部的许多的分析器。最后一部分了：lucene的高级搜索了1.排序Lucene有内置的排序用IndexSearcher.search(query,sort)但是功能并不理想。我们需要自己实现自定义的排序。这样的话得实现两个接口: ScoreDocComparator, SortComparatorSource用IndexSearcher.search(query,new Sort(new SortField(String Field,SortComparatorSource);就看个例子吧：这是一个建立索引的例子：public void IndexSort() throws IOException IndexWriter writer = new IndexWriter( C:indexStore , new StandardAnalyzer(), true ); Document doc = new Document() doc.add( new Field( sort , 1 ,Field.Store.YES,Field.Index.TOKENIZED); writer.addDocument(doc); doc = new Document(); doc.add( new Field( sort , 4 ,Field.Store.YES,Field.Index.TOKENIZED); writer.addDocument(doc); doc = new Document(); doc.add( new Field( sort , 3 ,Field.Store.YES,Field.Index.TOKENIZED); writer.addDocument(doc); doc = new Document(); doc.add( new Field( sort , 5 ,Field.Store.YES,Field.Index.TOKENIZED); writer.addDocument(doc); doc = new Document(); doc.add( new Field( sort , 9 ,Field.Store.YES,Field.Index.TOKENIZED); writer.addDocument(doc); doc = new Document(); doc.add( new Field( sort , 6 ,Field.Store.YES,Field.Index.TOKENIZED); writer.addDocument(doc); doc = new Document(); doc.add( new Field( sort , 7 ,Field.Store.YES,Field.Index.TOKENIZED); writer.addDocument(doc); writer.close();下面是搜索的例子:Java代码1. publicvoidSearchSort1()throwsIOException,ParseException2. 3. IndexSearcherindexSearcher=newIndexSearcher(C:indexStore);4. QueryParserqueryParser=newQueryParser(sort,newStandardAnalyzer();5. Queryquery=queryParser.parse(4);6. 7. Hitshits=indexSearcher.search(query);8. System.out.println(有+hits.length()+个结果);9. Documentdoc=hits.doc(0);10. System.out.println(doc.get(sort);11. 12. publicvoidSearchSort2()throwsIOException,ParseException13. 14. IndexSearcherindexSearcher=newIndexSearcher(C:indexStore);15. Queryquery=newRangeQuery(newTerm(sort,1),newTerm(sort,9),true);/这个地方前面没有提到，它是用于范围的Query可以看一下帮助文档.16. Hitshits=indexSearcher.search(query,newSort(newSortField(sort,newMySortComparatorSource();17. System.out.println(有+hits.length()+个结果);18. for(inti=0;i19. 20. Documentdoc=hits.doc(i);21. System.out.println(doc.get(sort);22. 23. 24. publicclassMyScoreDocComparatorimplementsScoreDocComparator25. 26. privateIntegersort;27. publicMyScoreDocComparator(Strings,IndexReaderreader,Stringfieldname)throwsIOException28. 29. sort=newIntegerreader.maxDoc();30. for(inti=0;i31. 32. Documentdoc=reader.document(i);33. sorti=newInteger(doc.get(sort);34. 35. 36. publicintcompare(ScoreDoci,ScoreDocj)37. 38. if(sorti.docsortj.doc)39. return1;40. if(sorti.doc41. return-1;42. return0;43. 44. publicintsortType()45. 46. returnSortField.INT;47. 48. publicComparablesortValue(ScoreDoci)49. 50. /TODO自动生成方法存根51. returnnewInteger(sorti.doc);52. 53. 54. publicclassM