Hibernate search

搜索引擎

全文搜索引擎

全文搜索引擎是名副其实的搜索引擎，国外代表有Google，国内则有著名的百度搜索。它们从互联网提取各个网站的信息（以网页文字为主），建立起数据库，并能检索与用户查询条件相匹配的记录，按一定的排列顺序返回结果。

　　根据搜索结果来源的不同，全文搜索引擎可分为两类，一类拥有自己的网页抓取、索引、检索系统（Indexer），有独立的“蜘蛛”（Spider）程序、或爬虫（Crawler）、或“机器人”（Robot）程序（这三种称法意义相同），能自建网页数据库，搜索结果直接从自身的数据库中调用，上面提到的Google和百度就属于此类；另一类则是租用其他搜索引擎的数据库，并按自定的格式排列搜索结果，如Lycos搜索引擎。
目录索引

　　目录索引虽然有搜索功能，但严格意义上不能称为真正的搜索引擎，只是按目录分类的网站链接列表而已。用户完全可以按照分类目录找到所需要的信息，不依靠关键词（Keywords）进行查询。目录索引中最具代表性的莫过于大名鼎鼎的Yahoo、新浪分类目录搜索。

元搜索引擎

元搜索引擎（META Search Engine）接受用户查询请求后，同时在多个搜索引擎上搜索，并将结果返回给用户。著名的元搜索引擎有InfoSpace、Dogpile、Vivisimo等，中文元搜索引擎中具代表性的是搜星搜索引擎。在搜索结果排列方面，有的直接按来源排列搜索结果，如Dogpile；有的则按自定的规则将结果重新排列组合，如Vivisimo。
全文搜索引擎的基本原理

具体再详细的概念参照baidu吧 搜索引擎

lucenne

java领域的全文搜索的工具包lucene不仅可以对文本数据进行搜索，还可以对html，excel和pdf等格式的文件建立索引并且进行搜索。

Hibernate search底层使用的就是 lucene。

http://lucene.apache.org

--------------------------------------------------------------------------------------------------------------------------------

上述都属于概念

Hibernate Search特点

支持索引数据的自动更新

支持众多的搜索方式，使用关键词进行搜索，也可以使用通配符进行搜索，还可以使用近似或者同义词进行搜索

支持搜索集群

支持对Lucene API直接的调用

Hibernate Search的类库
hibernate-search.jar
lucene-core.jar
hibernate-commons-annotations.jar

需要修改Hibernate.cfg.xml配置使用Hibernate Search

<property name="hibernate.search.default.directory_provider">
            org.hibernate.search.store.FSDirectoryProvider
        </property>
        <property name="hibernate.search.default.indexBase">
            D:/temp/index
         </property>
        <mapping resource="com/rbh/examples/Guestbook.hbm.xml" />
        <event type="post-update">
            <listener class="org.hibernate.search.event.FullTextIndexEventListener" />
        </event>
        <event type="post-insert">
            <listener class="org.hibernate.search.event.FullTextIndexEventListener" />
        </event>
        <event type="post-delete">
            <listener class="org.hibernate.search.event.FullTextIndexEventListener" />
        </event>
        <event type="post-collection-recreate">
            <listener class="org.hibernate.search.event.FullTextIndexEventListener" />
        </event>
        <event type="post-collection-remove">
            <listener class="org.hibernate.search.event.FullTextIndexEventListener" />
        </event>
        <event type="post-collection-update">
            <listener class="org.hibernate.search.event.FullTextIndexEventListener" />
        </event>

 修改持久化类，使用注解配置全文索引

@Indexed
public class Guestbook implements java.io.Serializable {
.............
    @DocumentId  //表示这个对象的主键
    public Integer getId() {
        return this.id;
    }

    @Field(store = Store.YES)
    public String getName() {
        return this.name;
    }
...............
}

对持久化对象建立索引

Session session = HibernateSessionFactoryUtil.getSessionFactory().getCurrentSession();
session.getTransaction().begin();
FullTextSession ftSession = org.hibernate.search.Search.getFullTextSession(session);
List<Guestbook> guestbooks = session.createQuery("from Guestbook").list();
for (Guestbook gb : guestbooks) {
   ftSession.index(gb);
}
ftSession.getTransaction().commit();

 搜索全文索引后的持久化对象

QueryParser parser = new QueryParser("title", new StandardAnalyzer());
org.apache.lucene.search.Query luceneQuery = null;
try {
    luceneQuery = parser.parse("title:test"); // build Lucene query
} catch (ParseException e) {
    e.printStackTrace();
}

Session session = HibernateSessionFactoryUtil.getSessionFactory().getCurrentSession();
session.getTransaction().begin();
FullTextSession ftSession = org.hibernate.search.Search.getFullTextSession(session);
org.hibernate.Query query = ftSession.createFullTextQuery(luceneQuery, Guestbook.class);
query.setMaxResults(20);
query.setFirstResult(0);
List<Guestbook> guestbooks = query.list();
for (Guestbook gb : guestbooks) {
    printGuestbook(gb);
}

ftSession.getTransaction().commit();

 

使用luke工具，查看索引数据

Luke是一款显示Lucene索引数据、修改Lucene索引数据和进行模拟搜索的开源工具

注意：现在版本为luke-src-0.9.9，下载后也为lukeall0.9.9.jar cmd下无法运行lukeall0.9.9.jar 改名为lukeall.jar，运行java -jar lukeall.jar 即可

中文分词

把中文的句子切分成有意义的词，这就是中文分词

 

中文分词的基本机制

一种使用词库匹配
另一种使用自动切分算法

 

词库切分与自动切分的比较

Hibernate Search 使用第三方的中文分词组件

"庖丁解牛"分词组件-------下载地址http://code.google.com/p/paoding/

配置"庖丁解牛"分词组件

新建paoding-dic-home.properties，文件添加

paoding.dic.home=D:/hibernate_test/paoding-analysis-2.0.4-beta/dic

修改持久化类中注解

......
@Indexed
@Analyzer(impl = net.paoding.analysis.analyzer.PaodingAnalyzer.class)
public class Guestbook implements java.io.Serializable {
.......
}