蝈蝈俊.net

lucene的检索算法属于索引检索，即用空间来换取时间，对需要检索的文件、字符流进行全文索引，在检索的时候对索引进行快速的检索，得到检索位置，这个位置记录检索词出现的文件路径或者某个关键词。 lucene 在存储它的全文索引结构时，是有层次结构的，这涉及到5个层次：索引(Index)；段(Segment)；文档(Document)；域(Field)；词(Term)，他们的关系如下图所示：（lu

这是最简单的方式的 lucene 的 Demo 步骤， 有稍稍的经验的都应该飘过。 step1：下载并安装并配置 JDK ，具体方法参看我之前的博客： Java环境的搭建   step2:  下载并配置 lucene， 下载请去： http://labs.renren.com/apache-mirror/lucene/java/  以我下载的 lucene 3.0.1 为例，下载完后，我们

lucene 文件存储相关的几个类，以及他们的派生关系如下图： Directory  代表了 Lucene 的索引的存储的位置，这是一个抽象类。 DbDirectory 存储到 Berkeley DB 4.3  的实现，Berkeley DB是历史悠久的嵌入式数据库系统，主要应用在UNIX/LINUX操作系统上，其设计思想是简单、小巧、可靠、高性能。 JEDirecto

在 lucene 中，我们是使用 IndexWriter 调用 Analyzer 将文章切成以词为单位的 Stream，然后生成索引的。lucene 内建的分词器很多，比如：按空白字符分词的WhitespaceAnalyzer，添加了stopword过滤的StopAnalyzer，以及最常用的是StandardAnalyzer。这些自带的分词器对中文支持多不好，我觉得比较好的中文分词器是 mmse