lucene学习笔记

一、 索引

1、理解索引过程

Lucene的索引过程可以被分解为3个主要部分：解析、分析、创建索引。

解析：Lucene只能对纯文本建立索引，所以在建立索引前要将数据解析或转换为纯文本。例如你需要索引pdf、word或者xml等，首先需要将这些文档中的文本信息提取出来。另外你需要避免提取无效信息，例如xml元素、html标记等。

分析：一旦准备好了索引数据，当你将它传给lucene索引时，lucene将会分析数据，对其优化，使之更适合进行索引。lucene会对数据进行分词，提取标记（token），转换大小写，去除无意义词（a，an，and等）。

创建索引：在输入数据分析完成后，lucene将要建立索引。lucene将数据保存在一种被称为反向索引的数据结构中。