【lucene初学】lucene4.2.1

最新推荐文章于 2025-02-28 21:47:24 发布

原创最新推荐文章于 2025-02-28 21:47:24 发布 · 1.8k 阅读

3 ·

CC 4.0 BY-SA版权

java知识总结专栏收录该内容

28 篇文章

订阅专栏

本文介绍如何使用Lucene 4.2.1实现全文检索功能，包括安装配置、核心类的作用及其实现代码示例。同时，也提到了在实践中遇到的问题及改进方向。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

背景：下阶段工作需要实现全文检索功能，查阅信息决定以lucene实现

使用版本：lucene-4.2.1

下载地址：http://mirrors.cnnic.cn/apache/lucene/java/4.2.1/

API地址：http://lucene.apache.org/core/4_2_1/index.html

网上搜索找到以下学习地址：

http://www.ibm.com/developerworks/cn/java/j-lo-lucene1/

http://www.liutime.com/java_circlescontentinfo/id=706

http://xuehanxin.iteye.com/blog/1850829

基本知识摘录：

Lucene 五个基础的类 Document, Field, IndexWriter, Analyzer, Directory 用途：

Document

Document 是用来描述文档的，这里的文档可以指一个 HTML 页面，一封电子邮件，或者是一个文本文件。一个 Document 对象由多个 Field 对象组成的。可以把一个 Document 对象想象成数据库中的一个记录，而每个 Field 对象就是记录的一个字段。

Field

Field 对象是用来描述一个文档的某个属性的，比如一封电子邮件的标题和内容可以用两个 Field 对象分别描述。

Analyzer

在一个文档被索引之前，首先需要对文档内容进行分词处理，这部分工作就是由 Analyzer 来做的。Analyzer 类是一个抽象类，它有多个实现。针对不同的语言和应用需要选择适合的 Analyzer。Analyzer 把分词后的内容交给 IndexWriter 来建立索引。

IndexWriter

IndexWriter 是 Lucene 用来创建索引的一个核心的类，他的作用是把一个个的 Document 对象加到索引中来。

Directory

这个类代表了 Lucene 的索引的存储的位置，这是一个抽象类，它目前有两个实现，第一个是 FSDirectory，它表示一个存储在文件系统中的索引的位置。第二个是 RAMDirectory，它表示一个存储在内存当中的索引的位置。

具体实现代码：

jar包：

lucene-core-4.2.1.jar

lucene-queryparser-4.2.1.jar

lucene-analyzers-common-4.2.1.jar

待检索文件：

存放：D:\testlucene\docs

代码：

public class LuceneIndex  {
    //该函数用于创建索引。可以将其写成一个单独的类。
    public void createIndex() throws IOException{
        //数据存放文件夹
        File  f_doc=new File("D:\\testlucene\\docs");
        //索引存放文件夹
        File  f_idx=new File("D:\\testlucene\\index");
         
        //directory参数，用于传入IndexWriter
        Directory directory=FSDirectory.open(f_idx);
        //conf参数，用于传入IndexWriter.
        IndexWriterConfig conf=new IndexWriterConfig(Version.LUCENE_42,new StandardAnalyzer(Version.LUCENE_42));
        IndexWriter writer=new IndexWriter(directory,conf);
        
        //对数据文件夹下面的所有文件建立索引;
        File[] textFiles =f_doc.listFiles();
        for(int i=0;i<textFiles.length;i++){
            if(textFiles[i].isFile()){
                Document document=new Document();//注意,这个Document必须在循环中创建
                System.out.println( " File"+ textFiles[i].getCanonicalPath() +"正在被索引 . " );  
                FileInputStream temp=new FileInputStream (textFiles[i]);
                 
                //获取文件内容
                int len=temp.available();
                byte[] buffer=new byte[len];
                temp.read(buffer);
                temp.close();
                String content = new String(buffer, "GBK");  //测试发现需要转换编码
//              String content=new String(buffer);
//				System.out.println("content = "+ content);//测试文件内容
                //加入Field
                document.add(new Field("path", textFiles[i].getPath(), TextField.TYPE_STORED));
                document.add(new Field("body", content, TextField.TYPE_STORED));         
                writer.addDocument(document);
 
                writer.commit();//必须先提交，不然的会报错！
                 
            }
        }
        System.out.println("索引的数目："+writer.numDocs());
        writer.close(); 
    }
     
    //查询函数
    public void TestQuery(String querystring) throws IOException,ParseException{
        //创建一个IndexSearcher
        File  f=new File("D:\\testlucene\\index");
        Directory directory =FSDirectory.open(f);  
        IndexReader ireader=DirectoryReader.open(directory);
        IndexSearcher searcher=new IndexSearcher(ireader);//这个和以前的版本有所变化。
         
        //查询词解析
        Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_42);
        QueryParser parser=new QueryParser(Version.LUCENE_42,"body",analyzer);
        Query query=parser.parse(querystring);
         
        //以前的Hits已经不再使用。直接使用TopDocs即可。
        Filter filter = null;
        TopDocs topDocs = searcher.search(query, filter, 10);//最后一个参数，限制查询结果的条目。
         
        System.out.println("总共有【" + topDocs.totalHits + "】条匹配结果");
          
        //显示结果
        for (ScoreDoc scoreDoc : topDocs.scoreDocs) {
            //文档内部编
            int index = scoreDoc.doc;
            //根据编号取出相应的文档
            Document doc =searcher.doc(index);
            System.out.println("------------"+index+1+"----------------");
            System.out.println("path = " + doc.get("path"));
            System.out.println("content = " + doc.get("body"));
            }
        ireader.close();
    }        
 
    //主函数
    public static void main(String[] args) throws IOException, ParseException{
    	LuceneIndex ix=new LuceneIndex();
        //检索词
        String querystring="内容";
        ix.createIndex();//该句用于创建索引，第一次运行时将"//"去掉，以后就加上注释，不然索引会重复创建。
        System.out.println("您的检索词为：【"+querystring+"】");
        ix.TestQuery(querystring);
        System.out.println("检索结束 ----");
    }
}

存在问题：

1、英文单词检索不出来

2、多目录检索未实现

待学习多目录：

http://blog.youkuaiyun.com/ljj9oo9/article/details/8776042