lucene初級教程

1、LuceneLucene初級教程初級教程2007122615:24點擊次數(shù)：0次1lucene簡介1.1什么是luceneLucene是一個全文搜索框架，而不是應用產品。因此它并不像或者googleDesktop那么拿來就能用，它只是提供了一種工具讓你能實現(xiàn)這些產品。2lucene的工作方式lucene提供的服務實際包含兩部分：一入一出。所謂入是寫入，即將你提供的源（本質是字符串）寫入索引或者將其從索引中刪除；所謂出是讀出，即向用戶提供

2、全文搜索服務，讓用戶可以通過關鍵詞定位源。2.1寫入流程源字符串首先經過analyzer處理，包括：分詞，分成一個個單詞；去除stopwd（可選）。將源中需要的信息加入Document的各個Field中，并把需要索引的Field索引起來，把需要存儲的Field存儲起來。將索引寫入存儲器，存儲器可以是內存或磁盤。2.2讀出流程用戶提供搜索關鍵詞，經過analyzer處理。對處理后的關鍵詞搜索索引找出對應的Document。用戶根據需要從找

3、到的Document中提取需要的Field。3一些需要知道的概念3.1analyzerAnalyzer是分析器，它的作用是把一個字符串按某種規(guī)則劃分成一個個詞語，并去除其中的無效詞語，這里說的無效詞語是指英文中的“of”、“the”，中文中的“的”、“地”等詞語，這些詞語在文章中大量出現(xiàn)，但是本身不包含什么關鍵信息，去掉有利于縮小索引文件、提高效率、提高命中率。分詞的規(guī)則千變萬化，但目的只有一個：按語義劃分。這點在英文中比較容易實現(xiàn)，因

4、為英文本身就是以單詞為單位的，已經用空格分開；而中文則必須以某種方法將連成一片的句子劃分成一個個詞語。具體劃分方法下面再詳細介紹，這里只需了解分析器的概念即可。3.2document用戶提供的源是一條條記錄，它們可以是文本文件、字符串或者數(shù)據庫表的一條記錄等等。一條記錄經過索引之后，就是以一個Document的形式存儲在索引文件中的。用戶進行搜索，也是以Document列表的形式返回。3.3field一個Document可以包含多個信息

5、域，例如一篇文章可以包含“標題”、“正文”、“最后修改時間”等信息域，這些信息域就是通過Field在Document中存儲的。Field有兩個屬性可選：存儲和索引。通過存儲屬性你可以控制是否對這個Field進行存儲；通過索引屬性你可以控制是否對該Field進行索引。這看起來似乎有些廢話，事實上對這兩個屬性的正確組合很重要，下面舉例說明：還是以剛才的文章為例子，我們需要對標題和正文進行全文搜索，所以我們要把索引屬性設置為真，同時我們希望能

6、直接從搜索結果中提取文章標題，所以我們把標題域的存儲屬性設置為真，但是由于正文域太大了，我們?yōu)榱丝s小索引文件大小，將正文域的存儲屬性設置為假，當需要時再直接讀取文件；我們只是希望能從搜索解果中提取最后修改時間，不需要對它進行搜索，所以我們把最后修改時間域的存儲屬性設置為真，索引屬性設置為假。上面的三個域涵蓋了兩個屬性的三種組合，還有一種全為假的沒有用到，事實上Field不允許你那么設置，因為既不存儲又不索引的域是沒有意義的。據庫是差不多

7、的(有點像)，Document可以看作是數(shù)據庫的一行記錄，F(xiàn)ield可以看作是數(shù)據庫的字段。用lucene實現(xiàn)搜索引擎就像用JDBC實現(xiàn)連接數(shù)據庫一樣簡單。Lucene2.0，它與以前廣泛應用和介紹的Lucene1.4.3并不兼容。Lucene2.0的下載地址是:apache.justdn.glucenejava例子一：1、在windows系統(tǒng)下的的C盤，建一個名叫s的文件夾在該文件夾里面隨便建三個txt文件，隨便起名啦，就叫“1.tx

8、t““2.txt“和“3.txt“啦其中1.txt的內容如下：中華人民共和國全國人民2006年而“2.txt“和“3.txt“的內容也可以隨便寫幾寫，這里懶寫，就復制一個和1.txt文件的內容一樣吧2、下載lucene包，放在classpath路徑中建立索引:packagelighter.imptjava.io.BufferedReaderimptjava.io.Fileimptjava.io.FileInputStreamimptja

9、va.io.IOExceptionimptjava.io.InputStreamReaderimptjava.util.Dateimptg.apache.lucene.analysis.Analyzerimptg.apache.lucene.analysis.stard.StardAnalyzerimptg.apache.lucene.document.Documentimptg.apache.lucene.document.Field