Lucene笔记23-Lucene的使用-简单复习索引、检索和分词

一、索引

索引过程中的核心类：IndexWriter、Directory、Analyzer、Document、Field。

IndexWriter用来写索引。

Directory用来定义索引的目标位置是硬盘上还是内存中。

Analyzer用来分词，常用的分词器有：SimpleAnalyzer，WhitespaceAnalyzer，StandardAnalyzer，StopAnalyzer。分词器里面有个重要的方法tokenStream()，用来获取tokenStream流，这个流中存储了分词的各种信息。首先经过Tokenizer，将待分词字符串拆分成一个个的语汇单元，交给一些列的TokenFilter对这些语汇单元进行处理。

Document用来存储索引信息。

Field用来指定域的名称，一个Document中有多个Field。

二、检索

搜索过程中的核心类：IndexReader、IndexSearcher、Term、Query、TermQuery、TopDocs、ScoreDoc。

IndexReader用来读取索引信息，因为它的开启和关闭比较耗时，所以建议设计成单例的模式。使用open()方法来打开一个IndexReader对象，或者使用openIfChanged()打开一个更新的IndexReader对象。

IndexSearcher用来查询索引，我们通过IndexReader来获取IndexSearcher。

Term用来指定某个域为某个值，它是检索过程中最小的单位，。

Query用来查询，它下面有很多的子类，

TermQuery用来对字符串进行查询，是Query的子类。

TopDocs用来存储IndexSearcher对象查询到的文本信息。

ScoreDoc用来提供一些属性，比如scoreDoc.doc表示文档的docID，将这个ID传给IndexSearcher对象的doc()方法，就可以获得Document对象了，有了Document对象之后，就可以使用get获取其中的值了，其中Store.YES的就会被保存，Store.NO就不会被保存了。

三、分词

分词过程中的核心类：Analyzer、TokenStream、Tokenizer、TokenFilter。

在分词过程中，很多数据是通过Attribute来保存的。如果要获取某个Attribute，就要在遍历流之前，将Attribute添加到流中。了解了这些属性之后，根据原理写一个停用词分词器和同义词分词器。