Lucene的配置及创建索引全文检索

Lucene

---

　　是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。

优点

---

（1）索引文件格式独立于应用平台。Lucene定义了一套以8位字节为基础的索引文件格式，使得兼容系统或者不同平台的应用能够共享建立的索引文件。

（2）在传统全文检索引擎的倒排索引的基础上，实现了分块索引，能够针对新的文件建立小文件索引，提升索引速度。然后通过与原有索引的合并，达到优化的目的。

（3）优秀的面向对象的系统架构，使得对于Lucene扩展的学习难度降低，方便扩充新功能。

（4）设计了独立于语言和文件格式的文本分析接口，索引器通过接受Token流完成索引文件的创立，用户扩展新的语言和文件格式，只需要实现文本分析的接口。

（5）已经默认实现了一套强大的查询引擎，用户无需自己编写代码即可使系统可获得强大的查询能力，Lucene的查询实现中默认实现了布尔操作、模糊查询（Fuzzy Search[11]）、分组查询等等。

概念

---

首先大家可以看一下这张图，已经流传许久了，在我的理解中的是：

 

左边：是各种数据的采集，比如网上，文本，数据库等，采集到经过Lucene建立索引index

右边：是用户通过一些搜索，经过索引，返回结果的一个过程

 

Lucene配置

---

很简单导几个jar包，创建一个索引文件

我用的是最新版本的6.6.0的核心包：lucene-core-6.6.0.jar，可以上官网下载http://lucene.apache.org/，这一个包就够你测试用了

索引文件为：index，这个文件名可以随便取，因为里面内容自动生成，就是一个索引目录，可以上网下载工具查看，感兴趣可以去试试

然而这个jar包：IKAnalyzer6.5.0.jar，是一个analyzer分词处理的扩展包，支持中文的分词，这两个目录跟src目录同级

 

不多说先上代码：

首先根据上面的那张lucene的概念图，我们需要先建立一个索引，这里这些异常我直接抛出去了，其实需要处理的，太懒了

public static void createindex() throws Exception {

        //创建文件目录    创建在项目目录下的index中

        Directory dir=FSDirectory.open(FileSystems.getDefault().getPath(System.getProperty("user.dir")+"/index"));

        //分词处理         是一个抽象类 一种单字分词，标准的

        Analyzer analyzer=new IKAnalyzer();

        //创建IndexWriterConfig对象

        IndexWriterConfig config=new IndexWriterConfig(analyzer);

        //创建IndexWriter对象

        IndexWriter iWriter=new IndexWriter(dir, config);

        //清除之前的索引

        iWriter.deleteAll();

                //创建文档对象

        Document doc=new Document();

        //向文档中添加文本内容字段，及字段类型

        doc.add(new Field("fieldname","坚持到底gl博主的博文，转载请注释出处", TextField.TYPE_STORED));

        //将文档添加到indexWriter中，写入索引文件中

        iWriter.addDocument(doc);

                //关闭写入

                iWriter.close();

}

这样运行可以看到你的索引index中的内容文件已经创建出来了

索引已经创建，接下来查询一下试试索引 ，传入需要查询的词

public static void search(String string) throws Exception {

        Directory dir=FSDirectory.open(FileSystems.getDefault().getPath(System.getProperty("user.dir")+"/search"));

        //打开索引目录的

        DirectoryReader dReader=DirectoryReader.open(dir);

        IndexSearcher searcher=new IndexSearcher(dReader);

        //第一个参数 field值 ，第二个参数用户需要检索的字符串

        Term t=new Term("fieldname",string);

        //将用户需要索引的字符串封装成lucene能识别的内容

        Query query=new TermQuery(t);

        //查询，最大的返回值10

        TopDocs top=searcher.search(query, 10);

                //命中数,那个字段命中，命中的字段有几个

        System.out.println("命中数:"+top.totalHits);

               //查询返回的doc数组

        ScoreDoc[]    sDocs= top.scoreDocs;

            for (ScoreDoc scoreDoc : sDocs) {

                //输出命中字段内容

        System.out.println(searcher.doc(scoreDoc.doc).get(field));

}

}
 

就这样一个全文检索的测试就出来了，多去思考总结，扩展出去

再给添加一个代码有益于理解

    public static void main(String[] args) throws Exception {

        String chString="坚持到底的文章，转载请注释出处";

        Analyzer analyzer=new IKAnalyzer();

        TokenStream stream=analyzer.tokenStream("word", chString);

        stream.reset();

        CharTermAttribute cta=stream.addAttribute(CharTermAttribute.class);

        while (stream.incrementToken()) {

            System.out.println(cta.toString());

        }

        stream.close();

    }

显示如下：

还可以添加这几个文件，有一点需要注意的是，注意你的编码格式

第一个：ext.dic 扩展词典，分词中那个需要组在一起的，如：分词处理可能将“坚持到底”四个字分为“坚持”和“到底”，可以在这个文件中直接添加坚持到底，就可以显示出坚持到底的这个索引

第三个：stopword.dic 扩展停止词典，分词中不想出现的，不希望他被分开出现或单独的，可以往里面写，检索的时候就不会有

第二个：是指定上面两个扩展词典的

这些就是最基本掌握的内容，还有很多分词算法等类型，需要去扩展

 

       【版本声明】本文为博主原创文章，转载请注明出处