Lucene学习笔记（二）——搜索，分词

搜索思路：构建IndexSearcher对象searcher -> 构建Query对象q，new TermQuery(Term t) -> 执行查询，searcher.search(q) -> 返回Hits类型结果。

基本概念：

IndexSearcher：索引器；

Query：抽象类，表示一个查询请求；

Hits：表示一次查询结果，其内部具有缓存机制；

TermQuery：词条搜索，继承Query；

BooleanQuery：布尔搜索，继承Query，可以包含多个子搜索（如词条搜索），使用add(Query q, BooleanClause.Occur b)方法把子搜索加入布尔搜索，子搜索间使用“与”，“或”等布尔逻辑进行组合；

RangeQuery：范围搜索，范围可以是日期时间数字大小等，需要创建上界和下界两个Term实例；

PrefixQuery：前缀搜索；

PraseQuery：短语搜索，使用add(new Term(String Feild, String keyword))方法把拆分后的短语加入短语搜索，可以使用setSlop(int s)设置坡度，默认是0；

MultiPhraseQuery：多短语搜索；

FuzzyQuery：模糊搜索；

WildcardQuery：通配符搜索，*代表0个或多个字符，？代表1个字符；

**QueryParse：自动构造合适的Query；

分词：将一个文本拆分为多个词条；

标准的分析器：由两部分组成，一部分是分词器（Tokenizer），另一部分是过滤器（TokenFilter），一个分析器由一个分词器和若干个过滤器组成；

StandarAnalyzer：标准分析器，使用了标准分词器（StandarTokenizer）和三个过滤器（StandarFilter，LowerCaseFilter，StopFilter）；

StandarFilter：标准过滤器，对中文的意义不大，主要针对欧美文字；

LowerCaseFilter：大小写转换器，同样是针对欧美文字；

StopFilter：忽略词过滤器，用于忽略某些词，在构造其实例的时候，需要传入一个忽略词集合；

IndexSearcher构造函数：

1、IndexSearcher(String path) throws Exception

2、IndexSearcher(Directory dir) throws Exception

3、IndexSearcher(IndexReader r)

4、三个构造函数的参数都表示索引所在的目录；

TermQuery构造函数：

new TermQuery(new Term("field", "keyword"));

BooleanQuery构造函数：

new BooleanQuery();

RangeQuery构造函数：

new RangeQuery(Term begin, Term end, Boolean b);  //布尔值代表开区间或闭区间

PhraseQuery构造函数：

new PhraseQuery();

FuzzyQuery构造函数：

new FuzzyQuery(new Term(String field, String keyword));

WildcardQuery构造函数：

new WildcardQuery(new Term(String field, String keyword));

QueryParse构造函数：

new QueryParse(String field, new Analyzer());

BooleanClause.Occur的三个常量：

1、BooleanClause.Occur.MUST：一定符合该搜索

2、BooleanClause.Occur.MUST_NOT：一定不符合该搜索

3、BooleanClause.Occur.SHOULD：可以符合可以不符合该搜索

注意：

1、BooleanQuery默认的最大子搜索数量为1024，超过会抛出异常；

2、对于大的索引文件时，RangeQuery效率很低；

3、建立索引使用的分析器和用户搜索请求使用的分析器应该是同一个，或是具有相同的分词效果。