使用Lucene+Paoding构建SSH2系统的站内搜索

目标：创建一个具有高度可移植的，定时创建索引的站内搜索。
途径：dic和index都放到程序中去。

准备：
1   Lucene
Lucene Java(以下简称Lucene)目前可用版本是2.4.0，关于Lucene的详细信息请查看http://lucene.apache.org/java/docs/index.html。


2 Paoding
Qieqie同学的伟大作品、优秀的Lucene中文分词组件，目前的版本为paoding-analysis-2.0.4-beta，对应的Lucene的版本为2.2。关于Paoding的具体信息请查看http://code.google.com/p/paoding/。


3 下载最新的paoding-analysis-2.0.4-beta版本（里面包含了lucene-core-2.2.0.jar, lucene-analyzers-2.2.0.jar,lucene-highlighter-2.2.0.jar, junit.jar, commons-logging.jar）。


>>>>> 本文为原创，需要转载的朋友请注明： http://jnotnull.iteye.com  谢谢支持！<<<<<

开始工作：
   1 试运行
打开下载包中的examples文件夹，运行一下吧（注意一下编码）。


   2 集成到SSH2系统中去 （系统结构Action->service->dao）
1）  由于SSH2系统是web系统，因此在配置Paoding上就有可能和第一步有些不同。
直接把paoding文件夹下的src文件夹下的所有文件和dic文件夹复制到你的项目中去。打开paoding-dic-home.properties文件，修改paoding.dic.home.config-fisrt=this,使得程序知道该配置文件，修改paoding.dic.home=classpath:dic，使得字典在该项目中。保存就可以了。在这里我使用了classpath:dic是为了增加可移植性。如果使用绝对路径没有什么可说的了，但是如果你是制定为classpath:dic，则需要修改一下Paoding中的代码了。找到PaodingMaker.java的setDicHomeProperties方法，修改File dicHomeFile = getFile(dicHome);为

File dicHomeFile2 = getFile(dicHome);
        String path="";
        try {
            path = URLDecoder.decode(dicHomeFile2.getPath(),"UTF-8");
        } catch (UnsupportedEncodingException e) {
            e.printStackTrace();
        }
    File dicHomeFile = new File(path);

File dicHomeFile2 = getFile(dicHome);
		String path="";
		try {
			path = URLDecoder.decode(dicHomeFile2.getPath(),"UTF-8");
		} catch (UnsupportedEncodingException e) {
			e.printStackTrace();
		}
	File dicHomeFile = new File(path);

目的是解码，不然如果你的词典路径中有空格和汉字会出现找不到字典的异常。

2）表结构

CREATE TABLE `news` (
  `id` int(11) NOT NULL auto_increment,
  `title` varchar(255) default NULL,
  `details` mediumtext,
  `author` varchar(255) default NULL,
  `publisher` varchar(100) default NULL,
  `clicks` int(11) default NULL,
  `source` varchar(255) default NULL,
  `addtime` datetime default NULL,
  ` category ` varchar(100) default NULL,
  `keywords` varchar(255) default NULL,
  PRIMARY KEY  (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=gbk;

    3 正式实施编码 
       编写站内搜索分为两步：创建索引和进行搜索，所需类：SearchAction.java和TaskAction.java(同一目录) 
1） 创建索引 
主要任务：从已有的txt文件中读取上一次进行索引的最后一条新闻的id号，然后从业务逻辑中查找大于这个id号的所有新闻进行索引，最后把这次最后的一条新闻id写入txt文件中。在这里要处理好路径的问题。在这里所有的记录id号的txt文件都放到了action目录下面。 
新建TaskAction，增加如下方法

public void createIndex() {
        String path;
        try {
//两个参数：创建索引的位置  和 上一次创建索引最后的新闻id所在文件
    createNewsIndex(getPath(TaskAction.class, "date/index/news"),"newsid.txt");
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

public String getPath(Class clazz, String textName)
            throws IOException {
        String path = (URLDecoder.decode(
                clazz.getResource(textName).toString(), "UTF-8")).substring(6);
        return path;
    }

public void createNewsIndex(String path,String textName) throws Exception {
        String newsId = "0";

        newsId = readText(TaskAction.class, textName);
        if (null ==newsId || "".equals(newsId))
            newsId = "0";

        // 使用paoding中文分析器
        Analyzer analyzer = new PaodingAnalyzer();
        FSDirectory directory = FSDirectory.getDirectory(path);
        System.out.println(directory.toString());
        IndexWriter writer = new IndexWriter(directory, analyzer, isEmpty(TaskAction.class, textName));
        Document doc = new Document();

        // 从业务逻辑层读取大于当前id的信息
        List list = newsManageService.getNewsBigId(Integer.parseInt(newsId));
        Iterator iterator = list.iterator();
        News news = new News();
        while (iterator.hasNext()) {
            doc = new Document();
            news = (News) iterator.next();
            doc.add(new Field("id", "" + news.getId(), Field.Store.YES,
                    Field.Index.UN_TOKENIZED));
            doc.add(new Field("title", "" + news.getTitle(), Field.Store.YES,
                    Field.Index.TOKENIZED));
            doc.add(new Field("author", "" + news.getAuthor(), Field.Store.YES,
                    Field.Index.TOKENIZED));
            doc.add(new Field("details", ""
                    + Constants.splitAndFilterString(news.getDetails()),
                    Field.Store.YES, Field.Index.TOKENIZED,
                    Field.TermVector.WITH_POSITIONS_OFFSETS));
            doc.add(new Field("addtime", "" + news.getAddtime(),
                    Field.Store.YES, Field.Index.TOKENIZED));
            doc.add(new Field("keywords", "" + news.getKeywords(),
                    Field.Store.YES, Field.Index.TOKENIZED));
            System.out.println("Indexing file " + news.getName() + "...");
            articleId = String.valueOf(news.getId());
            try {
                writer.addDocument(doc);
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        // 优化并关闭
        writer.optimize();
        writer.close();

        // 将我索引的最后一篇文章的id写入文件
        String content = WriteText(TaskAction.class,
                textName, newsId);
    }

public boolean isEmpty(Class clazz, String textName) throws Exception {
        String articleId = "0";
        boolean isEmpty = true;
        articleId = ContentReader.readText(clazz, textName);
        if (null == articleId || "".equals(articleId))
            articleId = "0";
        if (!articleId.equals("0"))
            isEmpty = false;
        System.out.println(clazz.getName()+" "+isEmpty);
        return isEmpty;
    }

//该方法参考了paoding中example中的一个方法。
public String readText(Class clazz, String textName)
            throws IOException {
        InputStream in = clazz.getResourceAsStream(textName);
        Reader re = new InputStreamReader(in, "UTF-8");
        char[] chs = new char[1024];
        int count;
        String content = "";
        while ((count = re.read(chs)) != -1) {
            content = content + new String(chs, 0, count);
        }
        return content;
    }

public String WriteText(Class clazz, String textName, String text)
            throws IOException {
        String path = (URLDecoder.decode(
                clazz.getResource(textName).toString(), "UTF-8")).substring(6);
        System.out.println(path);
        File file = new File(path);
        BufferedWriter bw = new BufferedWriter(new FileWriter(file));
        String temp = text;
        bw.write(temp);
        bw.close();
        return temp;
    }

2)进行搜索

public void searchIndex(String path, String keywords) throws Exception {
        String[] FIELD = { "title", "details" };
        String QUERY = keywords;

        Analyzer analyzer = new PaodingAnalyzer();
        FSDirectory directory = FSDirectory.getDirectory(path);
        IndexReader reader = IndexReader.open(directory);
        String queryString = QUERY;
        BooleanClause.Occur[] flags = new BooleanClause.Occur[] {
                BooleanClause.Occur.SHOULD, BooleanClause.Occur.SHOULD };
        Query query = MultiFieldQueryParser.parse(queryString, FIELD, flags,
                analyzer);

        Searcher searcher = new IndexSearcher(directory);
        query = query.rewrite(reader);
        System.out.println("Searching for: " + query.toString());
        Hits hits = searcher.search(query);

        NewsDTO news = new NewsDTO();
        String highLightText = "";

        for (int i = 0; i < hits.length(); i++) {

            Document doc = hits.doc(i);
            String title1 = doc.get("title");
            String contents1 = doc.get("details");

            SimpleHTMLFormatter simpleHTMLFormatter = new SimpleHTMLFormatter(
                    "", "");

            Highlighter highlighter = new Highlighter(simpleHTMLFormatter,
                    new QueryScorer(query));
            highlighter.setTextFragmenter(new SimpleFragmenter(200));

            if (contents1 != null) {
                TokenStream tokenStream = analyzer.tokenStream("details",
                        new StringReader(contents1));
                highLightText = highlighter.getBestFragment(tokenStream,
                        contents1);
            }
            news = new NewsDTO();
            news.setId(Integer.parseInt(doc.get("id")));
            news.setName(doc.get("title"));
            news.setDetails(highLightText);
            news.setAddtime(doc.get("addtime"));
            news.setAuthor(doc.get("author"));
            searchResultItem.add(news);
        }
        reader.close();

    }

   核心代码已经基本完成了，还有一个加亮显示，非常不错的哦。

3）再来一个定时创建索引：
   定义一下bean

<bean id="myTask" class="edu.cumt.jnotnull.action.TaskAction">
        <property name="newsManageService">
            <ref bean="newsManageService" />
        </property>
    </bean>

    <bean id="entity"
        class="org.springframework.scheduling.quartz.MethodInvokingJobDetailFactoryBean">
        <property name="targetObject">
            <ref local="myTask" />
        </property>
        <property name="targetMethod">
            <value>createIndex</value>
        </property>
    </bean>

    <bean id="cron"
        class="org.springframework.scheduling.quartz.CronTriggerBean">
        <property name="jobDetail">
            <ref bean="entity" />
        </property>
        <property name="cronExpression">
            <value>0 0-5 2 * * ?</value>
        </property>
    </bean>

    <bean autowire="no"
        class="org.springframework.scheduling.quartz.SchedulerFactoryBean">
        <property name="triggers">
            <list>
                <ref local="cron" />
            </list>
        </property>
    </bean>

		


这样就可以在夜里面让他自动促发了。

评论

1 楼 fengsky491 2008-12-05  

能不能提供整个项目文件，谢了。