浅谈Lucene全文检索系统

前几天投简历的时候在技能栏里写了一个熟练使用Lucene全文检索系统。
当年确实用Lucene全文检索系统写了一个唐诗检索系统(实现了分页，高亮)。
前台用EasyUI实现的不是太完美，但是可以勉强使用。github地址 有兴趣的可以去看看。
闲话不多说，下面简单说说Lucene

全文检索：

• 全文检索是指计算机索引程序通过扫描文章中的每一个词，对每一个词建立一个索引，指明该词在文章中出现的次数和位置，当用户查询时，检索程序就根据事先建立的索引进行查找，并将查找的结果反馈给用户的检索方式。

类似于：新华字典先通过汉字抽象出偏旁部首、拼音，然后通过偏旁部首、拼音快速查找汉字的过程

• 全文检索创建索引三部曲：需要检索的数据（Document）、分析器（Analyzer）、创建索引（index）

• 全文检索检索索引四部曲：关键词（Keyword）、分析器（Analyzer）、检索索引（Searcher）、返回结果（Results）

  文件的结构

  • 索引 index
  • 段 segment
  • 文档 document 相当与数据库中的一行数据 要被搜索这本篇文章叫做文档，一篇文章就叫一个文档
  • 域 field 相当于一行数据中的一个字段 文章中的各个字段，比如标题、作者
  • 词元 term 域分词后的最小单元

  词元的权重
  通过用户输入的关键字检索后的数据会根据权重来排序
  term 在同一个文章中出现的次数越多越重要
  term 在越多文章中出现 则该词元越不重要

Lucene常用功能

1. 索引的创建
2. 索引的检索
3. 索引的修改
4. 索引的删除
5. 索引域加权（类似百度搜素中的竞价排名）

Lucene查询

常用Query查询:
TermQuery 词元检索

// 基于词元的检索 
query = new TermQuery(new Term("name","aa"));

TermRangeQuery 词元范围检索

// 基于词元范围的检索  字符或者字母范围 
// 参数一：检索域 参数二：起始字符 参数三:结束字符  参数四：是不是包含起始  参数五：是不是包含结束 
query = new TermRangeQuery("name",new BytesRef("aa"),new BytesRef("ae"),false,false);

NumericRangeQuery 数字范围检索

// 基于数字范围的检索  id数字  1-5 
// 参数一：检索域名 参数二：最小 参数三：最大 参数四：是不是包含最小 参数五：是不是包含最大 
query = NumericRangeQuery.newIntRange("id",3,5,true,false);

PrefixQuery 前缀检索

// 基于前缀的检索  检索参数为term  term中参数为检索域名 和 前缀 
query = new PrefixQuery(new Term("name","a"));

WildcardQuery 通配查询

// 基于通配符的检索 ? 占位符一个字符  * 匹配零个或者多个字符 
query = new WildcardQuery(new Term("name","?b"));
query = new WildcardQuery(new Term("name","*c"));

FuzzyQuery 模糊查询

// 基于模糊的检索 只要在一定误差范围内都可以检索到  符合条件内容和相似内容 
query = new FuzzyQuery(new Term("name","az"));
query = new FuzzyQuery(new Term("content","一"));

BooleanQuery 布尔查询

// 多条件检索 检索id为1的文档 并且content内容有 “海” 文档 
// BooleanClause.Occur.MUST  并 
// BooleanClause.Occur.MUST_NOT  非
// BooleanClause.Occur.SHOULD 或 BooleanQuery booleanQuery = new BooleanQuery(); // name域中必须有aa 
booleanQuery.add(new TermQuery(new Term("name","aa")),BooleanClause.Occur.MUST)

PhraseQuery 短语查询

// 基于短语的检索  应用于 英文短语查询 i am gaozhy,welcome to bejing 
// 词与词的偏移量 
    query = new PhraseQuery(2,"content","一","三");