Lucene初学（一）

本博文将以叙事性的方式描述我的lucene学习过程，以此记录我的学习流程（也可以给读者作为参考。每周更新一次）

2015年11月16日，我的算法老师找到我说：“XX师姐有个四六级的语法分析，XX师姐有个金融的分析，你喜欢哪个？你之前不是对爬虫有兴趣吗？你可以试一下学Lucene，不论做不做得出成品，先学着试一下。你可以去看一下《Lucene搜索引擎开发进阶实战》这本书，然后装个Linux，在下面抓点网页来分析。” 于是我就去图书馆借了一本《Lucene搜索引擎开发进阶实战》，作者名字有点牛掰，是成龙，看起来挺年轻的。书是2015年1月出版的。对了，我没有装Linux，我直接在windows下用Eclipse学。

首先我看了一下开篇的“本书面向的读者”，上面有提到三类人适合看这本书：

①有Java基础，刚接触搜索引擎开发的在校学生和编程者

②在Lucene搜索引擎开发过程中遇到疑问的编程者

③在探索搜索引擎中层技术的开发人员

其实，我是冲着这本书比较薄去的，因为我有个习惯：在学校图书馆借了很多很多书后，感觉很满足了，然后放着不看了，三个月后就直接还了。所以一般借又薄、字体又清晰、作者年轻（这个其实也可以有，年轻作者的书少废话）、书里面样例（样图之类）多的。

这样一来，即便我借下来后没兴趣了，我至少还能看着图简单操作一遍。

然后开始进入学习阶段

这本《Lucene搜索引擎开发进阶实战》讲得还是比较浅显易懂的，开篇就能看得出来，而且作者也知道新手比较急于看到成品，所以开篇3页简单讲了一下搜索引擎的发展史，不枯燥。然后第4页直接就上代码了（够直接，学java的看得也挺舒服的），由于我之前我简单看过lucene的代码，而且也简单调用过，所以对于我来说比较轻松。（作者比较崇尚快速上手）

书上开篇是没有讲该用什么jar包的，所以，可以去百度搜索“lucene”，去apache官网下载就可以了，这里不多说。不过挺恶心的一点是，lucene的版本管理不太好，3.X版本与4.X版本差别很大，3.X版本的IndexWriter的用法也与4.X的大不相同，现在最新的是lucene5.3.1，但是与4.X又有很大的不同。所以，我推荐不要盯着代码看，一定不要盯着代码看，版本变化太大了，直接理解它的原理图就可以了。然后用什么实现不重要。

我上面所说的图是指书上的所有图，都要操作一遍，都要看一遍，然后在脑子里操作一遍。例如：P24页的Lucene架构和过程，P25的Lucene组件，这两个图非常重要，理解了他们能省很多事，无论使用3.X、4.X、还是5.X都能很快上手。

这里有一点要注意的，《Lucene搜索引擎开发进阶实战》作者在书中用的是3.X版本，而在书里提及到一个很实用的工具Lukeall，这个工具在网上目前我只能找到Lukeall4.7.1(http://www.open-open.com/lib/view/open1423108896451.html)，所以我也只是下载了Lucene4.7.1，因为5.X版本对应的Lukeall下载不下来（工具在github有，https://github.com/DmitryKey/luke/releases）。我比较喜欢资料比较齐全的版本，所以我在试用了一下lucene5.3.1后就换成lucene4.7.1了（虽然跟书上还是有些不同）

书上有些细节我没有说出来，原因一是因为书讲得的确很浅显易懂，原因二我是结合网上的一些博客来学的，如:优快云。

http://www.itxxz.com/Lucene/2015/0529/771.html

有一点其实比较重要，在下载lucene时一定要下载他的使用文档，因为网上的博客无法完全覆盖lucene的内容。看文档可以自己查，我英文阅读水平还算过得去，四级500多，六级426（但这个关系不大，平常多用翻译软件，接触的单词都是那一些，熟悉就好）。

哦，还有一点，作者毕竟比较年轻，书里讲的都是他的个人经验，以及对一些读者问题的回答，所以表面看上去会感觉书有点离题。（但我对他在书上提及的那些题外内容比较陌生，所以我当做是个人扫盲。其实，看起来还是比较轻松的，例如：里面有提及到该用SQL Server2005、SQL Server2008还是Oracal）另外，书上还是有些错别字或者一些比较浅显的逻辑错误的，不要在意，并不影响整体的学习。哦，还有，书上的代码有很多是重复的，所以也不要在意。虽然，作者的书上那些代码都委托在优快云，要收费，但是其实自己敲也是差不多的。

上面，我讲了挺多废话的，没有提及到lucene的学习吗？不是的，其实我提及到了：

①lucene的版本的变化很大

②lucene对应有一个工具Lukeall，它要与lucene版本相一致，也不可以不完全一致。我现在用的是（lucene4.7.1==Lukeall4,7,1）

③重点学习lucene的原理

下面，我说说我在这几天的学习心得：

①lucene不是一个完整的搜索引擎，lucene是一种搜索的解决方案，就像百度、必应、google。当然，他们用的估计不是lucene，他们自己应该研发了一套新的方案。

②lucene不仅仅是java，在《Lucene搜索引擎开发进阶实战》上提及到lucene可以应用于C++之类的，我没试验过，不太清楚。

③lucene与数据库的类比

Directory--数据库的表记录

Field--字段

④在lucene的建立索引以及搜索内容中都应用到了Analyzer，我认为：在建立索引时，因为要做分词，所以当然要用到Analyzer分词；而在搜索的过程中，则是将输入的字符串进行拆分，然后再去搜索关键字。如：输入“java权威”，他会先按“java权威”去匹配，然后按“java”，然后是“权威”，这也差不多是百度、google等搜索引擎的小型化了。

⑤搜索引擎的分词是有不同的分词方案的，如果用lucene自带的StandardAnalyzer，只会将“java权威”分成“java/权/威”。书上有提及都林良益大大的中文分词IKAnalyzer，这个可以去百度搜一下。他可以分成“java/权威”

附注：

①书上虽然作者反复强调快速上手，快速实战，但是这本书跑题还是挺严重的，但是可以扫盲。书中凑字数的重复代码挺多的。我不太建议买这本书下来，如果学校有书可以借的话，可以借着看。有钱淫可以去买书。

②Lukeall这个工具一定要下载下来用，感觉还是挺不错的。

今周的分享就先到这里，如果下周我还有兴趣继续写博客的话，我会接下去写《lucene初学者（二）》