Mg4j使用

目前网上对于Mg4j的资料可是少之又少，自己使用了以下，分享一下吧：

Mg4j简介：

        MG4J 是另一个搜索engine 。与Lucene 主要区别是，它提供了cluster 功能，具有更OO的设计方式。

MG4J可以让你为大量的文档集合 构建一个被压缩的全文本索引，通过使内插编码(interpolative coding)技术。 　　虽然MG4J（Managing Gigabytes for Java）不是一个像Lucene、Egothor和Xapian那样的信息检索库，但是我们相信正在读这本书的每一位软件工程师 都 应该知道它，因为它对构建Java信息检索库提供了低水平的支持。MG4J是在一本很流行的书问世之后被命名的，这本书是由 H.Witten，Alistair Moffat和Timothy所写，名字是《管理十亿字节：压缩并且索引文档和图片》。在使用他们的分布式、可容错的网页爬虫UbiCrawler收集到 大量的网页数据后，它的作者需要一个软件来解析那些收集来的数据，由于这个需求，MG4J诞生了。 　　MG4J的库提供了优化的类来处理I/O，转化索引文件 的压缩等等。这个项

目的主页是：http://mg4j.dsi.unimi.it/；标记库是免费的、开源的，在LGPL许可的方式发布，当前的版本是0.8.2。

 

Mg4j使用：

        首先去官方网站下载，官网网站：http://mg4j.dsi.unimi.it/，官方网站上有介绍怎么使用，附件附上，这里说明的是另外一种方法：Linux下利用shell脚本和Ruby脚本进行使用Mg4j：

下载indexmail.sh和parsemail.rb，下面是使用方法介绍：

这是一个对邮箱进行索引的MG4J的程序。首先，通过parsemail.rb来分析你的邮箱（这个脚本是Ruby写的，所以要有Ruby环境）这个脚本需要索引名和从标准输入的邮箱信息然后，以上面的索引名为参数运行indexmail.sh最后，开始查询处理器（it.unimi.dsi.mg4j.query.Query）作为参数的所有指标已建立（例如，“mail-textmail-from mail-subject mail-sender”）和尝试一些查询（语法查询是解释的包文件）。