lifeneedyou的专栏

     1运行环境lucene2.4.1，下载地址：http://apache.etoak.com/lucene/java/lucene-2.4.1.zip     2Lucene 简介(文档参照http://www.ibm.com/developerworks/cn/java/j-lo-lucene1/)     Lucene 是一个基于 Java 的全文信息检索工具包...

     1常用搜索引擎     搜索引擎是我们现在网络生活中已经离不开的东西，能上网的人基本上都会用它。目前我们用的比较多的搜索引擎是google,baidu这两个，程序员一般都有google,中国人大部分用baidu,google的英文搜索做的比较好！baidu的中文分词比较强，虽然它有时候应为一些商业的目的性不怎么受欢迎。。。。,雅虎其实也是比较受欢迎的。     2其他的搜...

       整个互联网可以看成是一个蜘蛛网，相互关联，可以感觉冒一个线索，找到其他的分支。搜索引擎主要包括这几个步骤：   1爬虫抓取互联网的网页。  2对网页内容进行分析  3对分析后的内容建立索引  4网页检索结果排序  5提供接口来交互。1网页html源码的获取(WebHttpClient) 写道package com.lucene.downpage;i...

     在实际的生活中,Nutch只能从网络上收集网页，而对网页本身的分析却不能很好的处理。搜索引擎普遍采用全文检索技术，平常的word的字处理工具的查询采用的是顺序扫描文件，这种做法效率比较低，遇到大型的文件则根本就不使用。所以出现了索引这个技术。    概括来说： 索引就是给一个文本内容按照一定的格式进行数据重排，使其便与查找。索引技术的核心是倒排索引的结构。倒排索引（Inv...

package chapter5;import java.io.IOException;import java.util.Date;import org.apache.lucene.analysis.Analyzer;import org.apache.lucene.analysis.SimpleAnalyzer;import org.apache.lucene.doc...

　１尽量减少不必要的存储。　　基本的办法是在添加特定的文档时，使用不存储原始内容的Store.NO,或则压缩存储Store.COMPRESS　2不需要检索的内容不要建立索引，　３非格式化的文本需要提前转化，比如时间货浮点数字。　４需要整体存方的内容不要分词，比如readme.txt  5注意对索引参数的优化　　主要用下面几个函数：          ...