Lucene(一):数据库搜索弊端以及全文搜索的概念

生活中的搜索

相关的搜索实际上无处不在，比如百度的搜索，Ecplise中的Help搜索，Windows系统中的文件搜索等

我们通常从搜索结果中经常发现有这么一种规律：越是符合条件的搜索结果会放在前面，不太符合条件的搜索结果会排在后面，并且通常会设置字体高亮

数据库检索带来的麻烦

假如我们要进行一次搜索：

场景一：

select * from content where title like '%目标字段';

但是这样搜索会有一个麻烦，就是在数据库中通过like进行模糊查询的话，会让索引失效

场景二：

select * from content where title like '%ant%'

搜索效果不太理想，比如我们想要搜索ant( 蚂蚁)，但是搜索出了过多的结果出来，并且我们最想要的结果排在稍后的位置，并没有相关度的排序，客户更想要的是相关度最接近的排在最前面

而要解决这些问题，就要依靠Lucene了

什么是全文检索？

说全文检索之前，必须先说下数据的分类：

• 结构化数据
• 半结构化数据
• 非结构化数据

结构化数据：指的是有固定格式或有限长度的数据，如数据库

半结构化数据：如XML，HTML，它们有自己的标签比如< XX></ XX>，但是< XX>里面写多写少，全看具体需求

非结构化数据；比如word文档，邮件等

非结构化数据有一种叫法叫"全文数据"，从全文数据中进行检索就叫全文检索

特点就是：只关注文本，不关心语义

应用场景：比如百度搜索，你去搜索一个“麦当劳在哪里？”，搜索引擎并不会直接给予答案，而是去搜索标题里面含有"麦当劳在哪里"的网页