What are you looking for now

三、用Lucene建立索引： 大纲： 1. Lucene索引的建立过程以及相关技术的简介 2. Lucene的文档格式 3. Lucene索引的优化 4. Lucene索引的同步机制 5. Lucene索引的格式 1. 索引建立的过程：大致分为以下四步"提取文本"、"构建Document"、"分析"和"建立索引"。 1.1 提取文本：为了使Lucene对文档数据建立索引

五、Lucene的分析器： 大纲：1. Lucene分析器Analyzer 2. JavaCC与Tokenizer 3. Lucene内建的分析器 4. 定制自己的分词器和过滤器 1. Lucene分析器----Analyzer 1.1 Analyzer的概述：中文翻译是"分析器"。 它主要用于分析切词或者过滤搜索时遇到的各种文本。用更具体的话说其实就是"分词"和"过滤"。

本人学习Lucene真实笔记，其中如有表达、理解错误或不清的地方希望大家指正，同时希望对需要的朋友有所帮助。 申明：此文章中说到的分词器就是分析器(后边小节会讲到)中的一种，不要理解错了。 一、Lucene基础： 大纲：1. 信息获取与搜索引擎的发展 2. Lucene的历史 3. 建立索引(索引库)与搜索 1. 信息获取技术包含：信息的表示、存储、组织

二、第一个"搜索引擎"： 大纲：1.Lucene下载包结构简介 2.使用Lucene为本地文件建立索引 3.测试性搜索 4.改进的意见 1.初识Lucene 1.1 Lucene的下载：可到Apache官网http://lucene.apache.org下载Lucene开发工具包，这里我们用1.4.3稳定版本 1.2 Lucene的源码包结构： 1.2.1 anal

Lucene技术拓展： Lucene与数据库结合的建议：(引用自下边的2.2标题中的内容) 比较好的一种方式是让Lucene和数据库结合使用，在索引中存入一些关键性的数据， 如数据库表中数据的ID字段、路径字段或者简单文本。而真正的数据提取则从数据库中得到 (就是根据据搜索出来的Document文档中保存的表数据的类似ID字段的数据到数据库中取出真正的数据)， 这样既可以发

六、高级搜索技巧： 大纲：1. 对搜索结果的排序 2. 多字段搜索和多索引搜索 3. 对搜索结果的过滤 1. 对搜索的结果排序：Lucene 1.4以前的版本，搜索结果只能够以Lucene内部的评分标准，采用降序排列来返回搜索结果集， 通过这种方式实现将最相关的结果排在返回结果的较前面显示。如果想实现通过自己的方法排序也行， 不过就要使用一些比较麻烦的手段了，就是先得到返回

七、性能测试：不重要，就是用一些代码进行了一些实际性能的测试。 大纲： 1. Google和百度的搜索速度 2. 性能测试的方案 3. 文档的预处理 4. 性能测试结果比较 1. 搜索的速度 1.1 Google和百度的搜索速度：自己到网上搜索尝试一下就知道了。 1.2 建立索引的速度：就是一些统计信息，不需要掌握。 2. 设定测试环境与测试方案 2.1

八、搜索引擎的中文问题： 大纲： 1. 中文分词的一些常见问题 2. Lucene的StandardAnalyzer对中文的处理 3. CJKAnalyzer对中文的处理 4. 中科院的中文分词工具 1. 中文分词的问题： 1.1 分词：指的就是将一个完整的句子换分为一个个的分词(Term)对象的过程。 这种分词应当满足某种语言规则，以便于为其建立索引。 1.2 中文