Lucene 3.0 学习笔记— 建立索引

使用lucene做为搜索引擎，主要做的2件事就是：1、建立索引；2、利用索引查询。

即lucene先将要搜索的内容，转化成一个个单词，然后对单词及其与内容的关系建索引；查询是根据你输入的内容，在索引中找到符合条件单词，并进而找到对应的内容。

这里先从创建索引开始，下面是一段代码示例：

/** 
 * Copyright (c) 2010 TeleNav, Inc 
 * All rights reserved 
 *  
 * Created on Sep 25, 2010 
 * Filename is CreateIndex.java 
 * Packagename:example 
 */  
package example;  
  
import java.io.File;  
import java.io.FileReader;  
import java.util.Date;  
  
import org.apache.lucene.analysis.standard.StandardAnalyzer;  
import org.apache.lucene.document.DateTools;  
import org.apache.lucene.document.Document;  
import org.apache.lucene.document.Field;  
import org.apache.lucene.index.IndexWriter;  
import org.apache.lucene.store.FSDirectory;  
import org.apache.lucene.util.Version;  
  
/** 
 * @author lgli 
 * 
 * Created on  Sep 25, 2010 
 */  
public class CreateIndex  
{  
    //索引文件存放目录  
    final File INDEX_DIR = new File("index");  
    //测试数据目录  
    final File docDir = new File("E:\\workspace_eclipse\\DOCTEST\\txt\\");  
      
    public boolean createIndex()  
    {  
        if (!docDir.exists() || !docDir.canRead())  
        {  
            System.out.println("Document directory '" + docDir.getAbsolutePath() + "' does not exist or is not readable, please check the path");  
            return false;  
        }  
  
        Date start = new Date();  
        try  
        {  
            IndexWriter writer = new IndexWriter(FSDirectory.open(INDEX_DIR),   
                new StandardAnalyzer(Version.LUCENE_30),   
                    true, //true为覆盖原index；false为追加  
                    IndexWriter.MaxFieldLength.LIMITED);  
            System.out.println("Indexing to directory '" + INDEX_DIR + "'...");  
            indexDocs(writer, docDir);  //创建Document，加入IndexWriter中  
            System.out.println("Optimizing...");  
            writer.optimize();          //优化索引  
            writer.close();  
  
            Date end = new Date();  
            System.out.println(end.getTime() - start.getTime() + " total milliseconds");  
  
        }  
        catch (Exception e)  
        {  
            System.out.println(e.getMessage());  
            return false;  
        }  
        return true;  
    }  
    //向IndexWriter中添加Document  
    private void indexDocs(IndexWriter writer, File file) throws Exception  
    {  
        if (file.canRead())  
        {  
            if (file.isDirectory())  
            {  
                //递归遍历目录下所有文件  
                String[] files = file.list();  
                if (files != null)  
                {  
                    for (int i = 0; i < files.length; i++)  
                    {  
                        indexDocs(writer, new File(file, files[i]));  
                    }  
                }  
            }  
            else  
            {  
                //添加Document  
                System.out.println("indexing: " + file);  
                writer.addDocument(getDocument(file));  
            }  
        }  
    }  
    public Document getDocument(File f) throws java.io.FileNotFoundException  
    {  
        //创建Document  
        Document doc = new Document();  
        doc.add(new Field("path", f.getPath(), Field.Store.YES, Field.Index.NOT_ANALYZED));  
        doc.add(new Field("modified", DateTools.timeToString(f.lastModified(), DateTools.Resolution.MINUTE), Field.Store.YES, Field.Index.NOT_ANALYZED));  
        doc.add(new Field("contents", new FileReader(f)));  
        return doc;  
    }  
} 

 创建索引的主要步骤：

1、先指定要搜索的文件（docDir 目录下放了一些文本文件做为测试数据）和存放索引文件的目录（INDEX_DIR ）

2、创建IndexWriter－需要提供索引目录、使用的Analyzer等。Analyzer用于解析文本内容，拆分成单词，这里我使用的是lucene自带的分词器。

3、递归遍历所有文件，生成Document，每一个文件对于一个Document。

4、将Document逐个加入索引

5、关闭IndexWriter，保存索引信息



说明：

1、索引文件可存放在目录或内存中，分别使用FSDirectory和RAMDirectory

2、每个Document类似与索引中的一行记录，具体的字段由Field标识，我这里加入了3个Field，分别是路径、修改时间和内容。

3、Field中的枚举字段

     Field.Store.YES表示此字段内容需要在索引中保存

     Field.Index.NOT_ANALYZED表示此字段内容不需要做分词

     new Field("contents", new FileReader(f))表示此字段内容从reader中取，做分词但不保存





几个基本对象间的关系如下图：

最后，上面这段代码的输出结果如下：
Indexing to directory 'index'...
indexing: E:\workspace_eclipse\DOCTEST\txt\DeleteFiles.java
indexing: E:\workspace_eclipse\DOCTEST\txt\FileDocument.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\Entities.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\HTMLParser.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\HTMLParser.jj
indexing: E:\workspace_eclipse\DOCTEST\txt\html\HTMLParserConstants.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\HTMLParserTokenManager.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\ParseException.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\ParserThread.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\SimpleCharStream.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\Tags.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\Test.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\Token.java
indexing: E:\workspace_eclipse\DOCTEST\txt\html\TokenMgrError.java
indexing: E:\workspace_eclipse\DOCTEST\txt\HTMLDocument.java
indexing: E:\workspace_eclipse\DOCTEST\txt\IndexFiles.java
indexing: E:\workspace_eclipse\DOCTEST\txt\IndexHTML.java
indexing: E:\workspace_eclipse\DOCTEST\txt\SearchFiles.java
Optimizing...
734 total milliseconds

评论

1 楼 jianwwpro 2012-02-13  

你是做搜索的吗？这方向如何？