Lucene2.9.1使用小结(同样适用于Lucene 3.0 )

最新推荐文章于 2025-12-02 20:02:56 发布

最新推荐文章于 2025-12-02 20:02:56 发布 · 112 阅读

文章标签：

#数据库

本文介绍如何使用 Lucene 2.9.1 进行全文搜索，包括搭建开发环境、创建和查询索引的过程。涵盖索引结构、主要组件的功能及其使用方法。

【注意：本文版权归++yong所有，转载请注明。】

【++yong的博客地址：http://blog.youkuaiyun.com/qjyong】

开源全文搜索工具包Lucene2.9.1的使用。

1. 搭建Lucene的开发环境：在classpath中添加lucene-core-2.9.1.jar包

2. 全文搜索的两个工作: 建立索引文件,搜索索引.

3. Lucene的索引文件逻辑结构
1) 索引(Index)由若干块(片段)(Segment)组成
★2) 块由若干文档(Document)组成: 一个文件映射成一个文档。数据库表中的一条记录映射成一个文档。
★3) 文档由若干域(Field)组成：文件的属性(文件路径，文件的内容)映射成一个域。记录的某个字段映射成一个域。
☆4) 域由若干词(关键字)(Term)组成：文件的属性的内容中某个字符串映射成一个词。

4. Lucene包结构
1) analysis模块：负责词法分析及语言处理而形成Term(词)。提供了一些内置的分析器：最常用的是StandardAnalyzer
2) index模块：负责索引的读写。对索引文件的segment进行写、合并、优化的IndexWriter类。对索引进行读取和删除操作的IndexReader类。
3) store模块：负责索引的存储。提供索引的各种存储类：FSDirectory，RAMDirectory等。
4) document模块：索引文件内部的基础存储结构封装。如：Document类和Field类等。
5) search模块：负责对索引的搜索。提供了索引搜索器IndexSearcher类和各种Query类，如TermQuery、BooleanQuery等。
6) queryParser模块：负责查询语句的语法分析。提供了解析查询语句的QueryParser类
7) util模块：包含一些公共工具类。

5. 创建索引
1) IndexWriter：索引写出器
a) 构造方法：
IndexWriter(Directory d, Analyzer a, IndexWriter.MaxFieldLength mfl)
如果索引不存在，就会被创建。如果索引存在,就追加.
IndexWriter(Directoryd, Analyzera, booleancreate, IndexWriter.MaxFieldLengthmfl)
create为true时，原索引文件不存在就创建，存在就覆盖。
create为false时，原索引文件不存在就报错，存在就追加。
b) 常用方法:
void addDocument(Document doc); //把指定文档添加到索引写出器中
void iw.close(); //关闭索引写出器,此时才把索引写到目标存储地

2) Directory: 索引存放地。
a) 文件系统:FSDirectory: FSDirectory.open(File file);
b) 内存RAMDirectory: new RAMDirectory();

3) Analyzer: 分词器。
a) StandardAnalyzer: 标准分词器。对英文采用空白, 标点符号进行分词。对中文采用单字分词。
b) SmartChineseAnalyzer: 智能中文分词器。(LUCENE_HOME/contrib/analyzers/smartcn/lucene-smartcn-2.9.1.jar)
C) 第三方的中文分词器：如PaodingAnalyzer、IKAnalyzer

4) IndexWriter.MaxFieldLength: 指定域值的最大长度。
a) UNLIMITED 无限制的。
b) LIMITED 有限制的。值为10000

5) Document: 索引的组成单元. 一组Field的集合.
a) 构造方法: Document();
b) 常用方法: void add(Field f); //添加指定域到这个文档中

6) Field: 域,代表文档的某个索引域.
a) 构造方法: Field(String name, String value, Field.Store.YES, Field.Index.ANALYZED)
name: 域的名称, 只能是字符串.
value: 域的值, 只能是字符串.
Field.Store: 指定Field的值是否存储或怎样存储. NO(不存储), YES(存储),COMPRESS(压缩后存储)
Field.Index: 指定Field是否被索引或怎么被索引. NO(不索引), ANALYZED(分词后索引), NOT_ANALYZED(不分词直接索引)
7) 示例代码:

//src要创建索引的文件，destDir索引存放的目录
publicstaticvoidcreateIndex(Filesrc,FiledestDir){
Analyzeranalyzer=newStandardAnalyzer(Version.LUCENE_CURRENT);//创建一个语法分析器
IndexWriteriwriter=null;
Directorydirectory=null;
try{
directory=FSDirectory.open(destDir);//把索引文件存储到磁盘目录
//创建一个IndexWriter(存放索引文件的目录,分析器,Field的最大长度)
iwriter=newIndexWriter(directory,analyzer,true,IndexWriter.MaxFieldLength.UNLIMITED);
//iwriter.setUseCompoundFile(true);//使用复合文件
Documentdoc=newDocument();//创建一个Document对象
//把文件路径作为"path"域：不分词,索引,保存
doc.add(newField("path",src.getCanonicalPath(),Field.Store.YES,Field.Index.NOT_ANALYZED));
StringBuildersb=newStringBuilder();
BufferedReaderbr=newBufferedReader(newFileReader(src));
for(Stringstr=null;(str=br.readLine())!=null;){
sb.append(str).append(System.getProperty("line.separator"));
}
//文件内容作为"content"域：分词,索引,保存
doc.add(newField("contents",sb.toString(),Field.Store.YES,Field.Index.ANALYZED));
iwriter.addDocument(doc);//把Document存放到IndexWriter中
iwriter.optimize();//对索引进行优化
}catch(IOExceptione){
e.printStackTrace();
}finally{
if(iwriter!=null){
try{
iwriter.close();//关闭IndexWriter时,才把内存中的数据写到文件
}catch(IOExceptione){
e.printStackTrace();
}
}
if(directory!=null){
try{
directory.close();//关闭索引存放目录
}catch(IOExceptione){
e.printStackTrace();
}
}
}
}

6. 查询索引
1) IndexSearcher: 索引查询器
a) 构造器: IndexSearcher(Directorypath, booleanreadOnly)
b) 常用方法:
TopDocs search(Query query, Filter filter, int n); //执行查询。n指的是最多返回的Document的数量。
Document doc(int文件内部编号); //根据文档的内部编号获取到该Document
void close(); //关闭查询器
2) Query: 查询对象。把用户输入的查询字符串封装成Lucene能够识别的Query对象。
3) Filter: 用来过虑搜索结果的对象。
4) TopDocs: 代表查询结果集信息对象。它有两个属性：
a) totalHits: 查询命中数。
b) scoreDocs: 查询结果信息。它包含符合条件的Document的内部编号(doc)及评分(score)。
5) 示例代码:

//keyword要搜索的关键字。indexDir索引存放的目录
publicstaticvoidsearcher(Stringkeyword,FileindexDir){
IndexSearcherisearcher=null;
Directorydirectory=null;
try{
Analyzeranalyzer=newStandardAnalyzer(Version.LUCENE_CURRENT);
directory=FSDirectory.open(indexDir);
//创建解析器
QueryParserparser=newQueryParser(Version.LUCENE_CURRENT,"contents",analyzer);
Queryquery=parser.parse(keyword);//获取查询对象
//Queryquery1=newTermQuery(newTerm("contents",keyword));
//Queryquery2=newTermQuery(newTerm("contents",keyword2));
//BooleanQueryquery=newBooleanQuery();
//query.add(query1,Occur.SHOULD);
//query.add(query2,Occur.SHOULD);
//QueryParserparser=newMultiFieldQueryParser(Version.LUCENE_CURRENT,newString[]{"path","contents"},analyzer);
//Queryquery=parser.parse(keyword);
isearcher=newIndexSearcher(directory,true);//创建索引搜索器
TopDocsts=isearcher.search(query,null,100);//执行搜索，获取查询结果集对象
inttotalHits=ts.totalHits;//获取命中数
System.out.println("命中数："+totalHits);
ScoreDoc[]hits=ts.scoreDocs;//获取命中的文档信息对象
for(inti=0;i<hits.length;i++){
DocumenthitDoc=isearcher.doc(hits[i].doc);//根据命中的文档的内部编号获取该文档
System.out.println(hitDoc.getField("contents").stringValue());//输出该文档指定域的值
}
}catch(IOExceptione){
e.printStackTrace();
}catch(ParseExceptione){
e.printStackTrace();
}finally{
if(isearcher!=null){
try{
isearcher.close();//关闭搜索器
}catch(IOExceptione){
e.printStackTrace();
}
}
if(directory!=null){
try{
directory.close();//关闭索引存放目录
}catch(IOExceptione){
e.printStackTrace();
}
}
}
}

7. 删除索引
IndexWriter提供deleteDocuments(Term term); //会删除索引文件里含有指定Term的所有Document。
IndexReader也提供了deleteDocuments(Term term);

8. 更新索引
IndexWriter提供updateDocument(Term term, Document doc); //实际上是先删除再创建索引。

9. 常用查询器
1) TermQuery : 按Term（关键字）查询。构造方法：TermQuery(Termt)

Queryquery=newTermQuery(newTerm("contents",keyword));
isearcher=newIndexSearcher(FSDirectory.open(indexDir),true);
TopDocsts=isearcher.search(query,null,100);

2) BooleanQuery: 布尔查询。组合多个查询器。

Queryquery1=newTermQuery(newTerm("contents",keyword));
Queryquery2=newTermQuery(newTerm("contents",keyword2));
BooleanQueryquery=newBooleanQuery();
query.add(query1,Occur.SHOULD);
query.add(query2,Occur.SHOULD);
isearcher=newIndexSearcher(directory,true);
TopDocsts=isearcher.search(query,null,100);

3) MultiFieldQueryParser: 多Field中查询。

QueryParserparser=newMultiFieldQueryParser(Version.LUCENE_CURRENT,newString[]{"path","contents"},analyzer);
Queryquery=parser.parse(keyword);
isearcher=newIndexSearcher(FSDirectory.open(indexDir),true);
TopDocsts=isearcher.search(query,null,100);

10. 高亮器Highlighter：在网页中对搜索结果予以高亮显示。
1) 在classpath添加contrib/highlighter/lucene-highlighter-2.9.1.jar
2) 示例伪代码

SimpleHTMLFormattershf=newSimpleHTMLFormatter("<spanstyle="color:red"mce_style="color:red">","");//默认是..
//构造高亮器:指定高亮的格式,指定查询计分器
Highlighterhighlighter=newHighlighter(shf,newQueryScorer(query));
//设置块划分器
highlighter.setTextFragmenter(newSimpleFragmenter(Integer.MAX_VALUE));
Stringcontent=highlighter.getBestFragment(Analyzer,"fieldName","fieldValue");

11. 优化
1) 使用IndexWriter须注意
修改索引后，需flush()或close()方能生效
2) 使用IndexSearcher须注意
一旦打开，不会搜索到以后添加的索引
线程安全，多个线程仅需一个实例
3) 最佳实践
多个线程共享一个IndexSearcher, 只有当索引修改后才重新打开IndexSearcher
多个线程共享一个IndexWriter并严格同步
异步修改索引提高性能(JMS)
为每个Document创建单独的索引目录

12. 在emall项目中整合Lucene对产品的ID,名称和描述进行全文搜索。

13. 使用Compass简化Lucene操作。(未完待续)