`

Lucene的使用

阅读更多

 

如果你想快速查询你磁盘上文件,或查询邮件、Web页面,甚至查询存于数据库的数据,你都可以借助于Lucene来完成。但是要完成查询就必须先建立索引。首先从Lucene API说起:
1、 Lucene API(核心操作类)
 
IndexWriter 创建和维护索引(向原索引中添加新Document,设置合并策略、优化等)
FSDirectory 最主要用来存储索引文件的类,表示将索引文件存储到文件系统
Document 索引和查询的原子单元,一个Document包含一系列Field
IndexReader 一个抽象类,提供了访问索引的接口,当然访问索引也可以通过它的子类来完成
Analyzer 分词类,它有一系列子类,都是用来将文本解析成TokenStream
Searcher 用于查询索引的核心类
 2、创建索引
Java代码  
  1. Directory dir = FSDirectory.open(new File("lucene.blog"));   
  2. IndexWriter writer = new IndexWriter(dir,new StandardAnalyzer(Version.LUCENE_29),true, IndexWriter.MaxFieldLength.UNLIMITED);   
  3. Document doc = new Document();   
  4. doc.add(new Field("id""101", Field.Store.YES, Field.Index.NO));   
  5. doc.add(new Field("name""kobe bryant", Field.Store.YES, Field.Index.NO));   
  6. writer.addDocument(doc);   
  7. writer.optimize();   
  8. writer.close();  
Directory dir = FSDirectory.open(new File("lucene.blog"));
IndexWriter writer = new IndexWriter(dir,new StandardAnalyzer(Version.LUCENE_29),true, IndexWriter.MaxFieldLength.UNLIMITED);
Document doc = new Document();
doc.add(new Field("id", "101", Field.Store.YES, Field.Index.NO));
doc.add(new Field("name", "kobe bryant", Field.Store.YES, Field.Index.NO));
writer.addDocument(doc);
writer.optimize();
writer.close();
 如上所示将索引文件存储于工作目录下lucene.blog文件夹 ,创建了Document,向Document里添加了两个Field id和name,然后使用IndexWriter的addDocument(Document)方法将其添加到索引目录下的索引文件中,然后使用IndexWriter的optimize()方法进行对索引文件优化,最后关闭IndexWriter;
3、通过IndexWriter删除索引中Document
Java代码  
  1. Directory dir = FSDirectory.open(new File("lucene.blog"));   
  2. IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.UNLIMITED);   
  3. writer.deleteDocuments(new Term("id""101"));   
  4. writer.commit();   
  5. writer.close();  
Directory dir = FSDirectory.open(new File("lucene.blog"));
IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.UNLIMITED);
writer.deleteDocuments(new Term("id", "101"));
writer.commit();
writer.close();
 如上先打开索引位置(工作目录下lucene.blog文件夹 ),然后直接调运IndexWriter的deleteDocuments(Term)方法删除上面2中创建的Document,注意必须调运commit()方法,上面2中之所以没有commit()是因为optimize()方法中存在默认Commit方法;
4、通过IndexWriter更新索引中Document
Java代码  
  1. Directory dir = FSDirectory.open(new File("lucene.blog"));   
  2. IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.UNLIMITED);   
  3. Document doc = new Document();   
  4. doc.add(new Field("id""101", Field.Store.YES, Field.Index.ANALYZED)); // Field.Index.ANALYZED 
  5. doc.add(new Field("name""kylin soong", Field.Store.YES, Field.Index.ANALYZED));   
  6. writer.updateDocument(new Term("id""101"), doc);   
  7. writer.commit();   
  8. writer.close();  
Directory dir = FSDirectory.open(new File("lucene.blog"));
IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.UNLIMITED);
Document doc = new Document();
doc.add(new Field("id", "101", Field.Store.YES, Field.Index.NO));
doc.add(new Field("name", "kylin soong", Field.Store.YES, Field.Index.NO));
writer.updateDocument(new Term("id", "101"), doc);
writer.commit();
writer.close();
 通过IndexWriter的updateDocument(Term, Document)来完成更新,具体是将包含Term("id", "101")的Document删除,然后将传入的Document添加到索引文件;
5、Field选项意义
Java代码  
  1. Field field = new Field(   
  2.         "101",   
  3.         "kobe bryant",   
  4.         Field.Store.YES,   
  5.         Field.Index.ANALYZED,   
  6.         Field.TermVector.YES);  
Field field = new Field(
		"101",
		"kobe bryant",
		Field.Store.YES,
		Field.Index.ANALYZED,
		Field.TermVector.YES);
  如上代码显示Field各属性设置情况,下面简单说明这些属性选项的意义
Field.Store.*决定是否将Field的完全值进行存储,注意:不能将整个文本内容存储,这样导致索引文件过大
 
Field.Store.YES 存储,一旦存储,你可以用完整的Field的完全值作为查询条件查询(id:101)
Field.Store.NO 不存储
 
 
 
 
 Field.Index.*控制Field的值是否可查询通过索引成的索引文件
 
Field.Index.ANALYZED 用Analyzer将Field的值分词成多个Token
Field.Index.NOT_ANALYZED 不对Field的值分词,将Field的值作为一个Token处理
Field.Index.ANALYZED_NO_NORMS 类似ANALYZED,但不存常规信息到索引文件
Field.Index.NOT_ANALYZED_NO_NORMS 类似NOT_ANALYZED,但不存常规信息到索引文件
Field.Index.NO 不进行索引,Field的值不可被搜索
 如果你想要检索出唯一的terms在搜索时,或对搜索结果进行加亮处理等操作是Field.TermVector.*是必要的
 
Field.TermVector.YES 记录唯一的terms,当重复发生时记下重复数,在不做额外处理
Field.TermVector.WITH_POSITIONS 在上面基础上记录下位置
Field.TermVector.WITH_OFFSETS 在TermVector.YES基础上记录偏移量
Field.TermVector.WITH_POSITIONS_OFFSETS 在TermVector.YES基础上记录偏移量和位置
Field.TermVector.NO 不做任何处理
 
 
 
 
 
 
 
 6、索引numbers
Java代码  
  1. Document doc = new Document();   
  2. NumericField field1 = new NumericField("id");   
  3. field1.setIntValue(101);   
  4. doc.add(field1);   
  5. NumericField field2 = new NumericField("price");   
  6. field1.setDoubleValue(123.50);   
  7. doc.add(field2);  
Document doc = new Document();
NumericField field1 = new NumericField("id");
field1.setIntValue(101);
doc.add(field1);
NumericField field2 = new NumericField("price");
field1.setDoubleValue(123.50);
doc.add(field2);
 如上所示为索引numbers方法;
7、索引Date和Time
Java代码  
  1. Document doc = new Document();   
  2. doc.add(new NumericField("timestamp").setLongValue(new Date().getTime()));   
  3. doc.add(new NumericField("day").setIntValue((int) (new Date().getTime()/24/3600)));   
  4. Calendar cal = Calendar.getInstance();   
  5. cal.setTime(new Date());   
  6. doc.add(new NumericField("dayOfMonth").setIntValue(cal.get(Calendar.DAY_OF_MONTH)));  
Document doc = new Document();
doc.add(new NumericField("timestamp").setLongValue(new Date().getTime()));
doc.add(new NumericField("day").setIntValue((int) (new Date().getTime()/24/3600)));
Calendar cal = Calendar.getInstance();
cal.setTime(new Date());
doc.add(new NumericField("dayOfMonth").setIntValue(cal.get(Calendar.DAY_OF_MONTH)));
 实质上对Date和Time的处理是将Date和Time转化为numbers来处理,注意:当然也可以把Date和Time以及上面的numbers当做字符串来处理,不过这样影响查询;
 8、IndexWriter的其他同法
Java代码  
  1. Directory dir = FSDirectory.open(new File("lucene.blog"));   
  2. IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.LIMITED);   
  3. writer.setMaxFieldLength(1);   
  4. MergePolicy policy = new LogByteSizeMergePolicy(writer);   
  5. writer.setMergePolicy(policy);   
  6. writer.optimize(5);   
  7. writer.close();  
Directory dir = FSDirectory.open(new File("lucene.blog"));
IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.LIMITED);
writer.setMaxFieldLength(1);
MergePolicy policy = new LogByteSizeMergePolicy(writer);
writer.setMergePolicy(policy);
writer.optimize(5);
writer.close();
 如上IndexWriter.MaxFieldLength.LIMITED设定了Field截取功能,如果Field值相当长,而你只想索引Field值的前固定个字符,可以用Field截取功能来实现;IndexWriter的setMergePolicy(policy),可以设定合并策略,另外optimize(int maxNumSegments)方法可以通过参数设定优化成的Segment个数;
9、根据确定的term查询
Java代码  
  1. IndexReader reader = IndexReader.open(FSDirectory.open(new File("lucene.blog")),true);   
  2. IndexSearcher searcher = new IndexSearcher(reader);    
  3. Term term = new Term("id","101");   
  4. Query query = new TermQuery(term);   
  5. TopDocs topDocs = searcher.search(query, 10);   
  6. System.out.println(topDocs.totalHits);   
  7. ScoreDoc[] docs = topDocs.scoreDocs;   
  8. System.out.println(docs[0].doc + " " + docs[0].score);   
  9. Document doc = searcher.doc(docs[0].doc);   
  10. System.out.println(doc.get("id"));  
IndexReader reader = IndexReader.open(FSDirectory.open(new File("lucene.blog")),true);
IndexSearcher searcher = new IndexSearcher(reader); 
Term term = new Term("id","101");
Query query = new TermQuery(term);
TopDocs topDocs = searcher.search(query, 10);
System.out.println(topDocs.totalHits);
ScoreDoc[] docs = topDocs.scoreDocs;
System.out.println(docs[0].doc + " " + docs[0].score);
Document doc = searcher.doc(docs[0].doc);
System.out.println(doc.get("id"));
 如上示例显示了一个Lucene查询的基本方法,IndexSearcher是核心的查询类,IndexReader 可以读取索引文件,IndexSearcher有一系列重载的Search()方法,可以根据传入不同参数进行不同查询处理,ScoreDoc数组保存查询结果,和相关得分;
10、根据QueryParser查询,并收集查询结果
Java代码  
  1. IndexReader reader = IndexReader.open(FSDirectory.open(new File("lucene.blog")),true);   
  2. IndexSearcher searcher = new IndexSearcher(reader);   
  3. Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_29);   
  4. QueryParser parser = new QueryParser(Version.LUCENE_29,"name",analyzer);   
  5. String queryString = "kobe";   
  6. Query query = parser.parse(queryString);   
  7. TopScoreDocCollector collector = TopScoreDocCollector.create(10false);   
  8. searcher.search(query, collector);   
  9. ScoreDoc[] hits = collector.topDocs().scoreDocs;   
  10. for(int i = 0 ; i < hits.length ; i ++) {   
  11. Document  doc = searcher.doc(hits[i].doc);   
  12. String name = doc.get("name");   
  13. if (name != null) {   
  14.     System.out.println(name);   
  15. }   
  16. }  
IndexReader reader = IndexReader.open(FSDirectory.open(new File("lucene.blog")),true);
IndexSearcher searcher = new IndexSearcher(reader);
Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_29);
QueryParser parser = new QueryParser(Version.LUCENE_29,"name",analyzer);
String queryString = "kobe";
Query query = parser.parse(queryString);
TopScoreDocCollector collector = TopScoreDocCollector.create(10, false);
searcher.search(query, collector);
ScoreDoc[] hits = collector.topDocs().scoreDocs;
for(int i = 0 ; i < hits.length ; i ++) {
Document  doc = searcher.doc(hits[i].doc);
String name = doc.get("name");
if (name != null) {
	System.out.println(name);
}
}
如上为一个使用QueryParser查询关键字“kobe”的实例,另外还对查询结果进行了收集
11、使用Lucene图形化工具Luke来操作索引
Luke使用非常简单:
下载:http://code.google.com/p/luke/ 点击下载最新版本,下载完成直接点击下载的jar包,就可以进入图形化操作界面,选择索引的目录就可以对索引进行图形化操作

 

分享到:
评论

相关推荐

    Lucene使用代码实例之搜索文档

    《Lucene使用代码实例之搜索文档》 Lucene是一个高性能、全文检索库,它提供了强大的文本分析和索引功能,广泛应用于搜索引擎开发和其他需要高效文本处理的场景。本篇文章主要面向初学者,通过实例详细解释如何使用...

    Lucene 使用正则表达式

    ### Lucene 使用正则表达式 #### 知识点概览 1. **Lucene简介** 2. **正则表达式(regex)在Lucene中的应用** 3. **regexQuery详解** 4. **示例代码解析** 5. **索引创建与查询流程** 6. **正则表达式的语法** #### ...

    lucene使用总结笔记

    lucene使用总结笔记lucene使用总结笔记lucene使用总结笔记lucene使用总结笔记lucene使用总结笔记

    lucene详细使用教程

    在使用 Lucene 之前,首先需要将其添加到项目依赖中。如果你使用的是 Maven,可以在 pom.xml 文件中添加对应的 Lucene 依赖。对于其他构建工具,如 Gradle 或 Ivy,也有相应的配置方式。确保选择与项目所用 Java ...

    lucene使用.zip

    **Lucene 概述** Lucene 是一个高性能、全文本搜索库,由 ...在提供的源代码中,可能包含了如何使用 Lucene 进行索引创建、查询以及结果处理的示例,通过对这些代码的分析和学习,能够进一步掌握 Lucene 的使用技巧。

    Lucene使用教程

    下面是一个简单的Lucene使用示例,演示如何创建索引和添加文档: ```java // 创建索引写入器 IndexWriter writer = new IndexWriter("/data/index/", new StandardAnalyzer(), true); // 创建文档 Document doc = ...

    lucene使用教程

    ### Lucene 使用教程 #### 一、Lucene简介 Lucene是一个高性能、全功能的文本搜索引擎库,由Java编写而成,被广泛应用于各种基于文本的数据检索场景中。无论是用于网站内容搜索还是文档管理系统的全文搜索功能,...

    lucene演示需要的数据

    1. **文档分析**:Lucene使用分析器将原始输入转换为可索引的术语。分析器可以定制以适应不同的语言和领域需求。 2. **字段和类型**:每个文档由多个字段组成,如标题、正文、作者等。每个字段可以指定其类型,如...

    Lucene使用

    在使用2012版时异常:ClassNotFoundException: org.apache.lucene.analysis.tokenattributes.CharTermAttribute 庖丁分词 使用 paoding-analysis-2.0.4-beta.zip 版时异常 Exception in thread "main" java.lang....

    lucene3 例子

    博文链接中提到的是一个关于Lucene3的博客文章,可能详细介绍了如何在实际项目中使用Lucene进行全文检索。博主"chinaxxren"在ITEYE上分享了这篇博客,虽然具体内容未在描述中给出,但我们可以推测博主可能讲解了以下...

    Lucene 索引的简单使用

    - **评分和排序**:Lucene使用TF-IDF算法计算文档与查询的相关性,用于确定搜索结果的排序。 - **更新和删除**:使用IndexWriter可以更新已有文档,或通过ID删除文档。 - **多线程索引**:通过控制IndexWriter的...

    Lucene示例 BM25相似度计算

    默认情况下,Lucene使用TF-IDF相似度计算查询与文档的相关性。TF-IDF是“词频-逆文档频率”的缩写,它重视在少有文档中出现的词项,认为这样的词项更能区分文档。然而,TF-IDF并未考虑文档长度,可能会导致短文档被...

    Lucene使用lucene入门[归类].pdf

    - 使用处理后的关键词搜索索引,找到对应的Document。 - 用户从找到的Document中提取所需信息。 【核心概念】 1. **Analyzer**: Analyzer是处理字符串的关键组件,它按照特定规则将字符串拆分成有意义的词语,...

    Java搜索引擎 Lucene

    3. **倒排索引**:Lucene使用倒排索引技术,通过构建索引表,使得搜索效率大大提高。 4. **多字段搜索**:允许用户对文档的不同字段进行独立或组合的搜索。 5. **模糊搜索**:支持通配符、短语、近似和模糊搜索,...

    lucene-4.7.0全套jar包

    1. **分词与索引**:Lucene使用高效的分词器将文档内容分解成独立的词汇项(tokens),然后建立倒排索引。倒排索引是一种数据结构,它将每个词汇项映射到包含该词汇项的文档列表,极大地加速了搜索过程。 2. **搜索...

    Annotated Lucene 中文版 Lucene源码剖析

    查询执行阶段,Lucene使用QueryParser解析用户的查询字符串,生成对应的Query对象。然后,Searcher对象利用这些查询对象在索引中寻找匹配的文档。这一过程涉及到Scorer和Collector,Scorer计算每个文档的相关性分数...

    Lucene的原理完整版pdf

    3. **评分(Scoring)**:Lucene使用TF-IDF算法来评估文档与查询的相关性,给出一个评分。评分高的文档在搜索结果中优先显示。 4. **结果集(Hit)**:搜索返回一个`TopDocs`对象,包含匹配文档的总数和最高评分的...

    lucene6.6+拼音分词+ik中文分词包

    最后,IKAnalyzer.cfg.xml是IK分词器的配置文件,用于设置分词器的行为,如是否开启全模式、是否使用自定义词典等。通过修改这个配置文件,我们可以对分词过程进行精细化控制。 总的来说,"lucene6.6+拼音分词+ik...

Global site tag (gtag.js) - Google Analytics