lucene学习

全文检索系统的结构包括：文本处理引擎，索引引擎，磁盘索引文件，查询引擎，二次应用开发接口。<o:p></o:p>

Lucene是一个开放源代码的全文检索引擎工具包，不是一个完整的全文检索引擎，而是一个全文检索引擎的架构。<o:p></o:p>

成功案例：Eclipse,Jive<o:p></o:p>

<o:p></o:p>

Lucene包结构（七大块）<o:p></o:p>

<v:shapetype id="_x0000_t75" coordsize="21600,21600" o:spt="75" o:preferrelative="t" path="m@4@5l@4@11@9@11@9@5xe" filled="f" stroked="f"><v:stroke joinstyle="miter"></v:stroke><v:formulas><v:f eqn="if lineDrawn pixelLineWidth 0"></v:f><v:f eqn="sum @0 1 0"></v:f><v:f eqn="sum 0 0 @1"></v:f><v:f eqn="prod @2 1 2"></v:f><v:f eqn="prod @3 21600 pixelWidth"></v:f><v:f eqn="prod @3 21600 pixelHeight"></v:f><v:f eqn="sum @0 0 1"></v:f><v:f eqn="prod @6 1 2"></v:f><v:f eqn="prod @7 21600 pixelWidth"></v:f><v:f eqn="sum @8 21600 0"></v:f><v:f eqn="prod @7 21600 pixelHeight"></v:f><v:f eqn="sum @10 21600 0"></v:f></v:formulas><v:path o:extrusionok="f" gradientshapeok="t" o:connecttype="rect"></v:path><o:lock v:ext="edit" aspectratio="t"></o:lock></v:shapetype><o:p></o:p>

<o:p></o:p>

Lucene的倒排索引算法:<o:p></o:p>

<o:p></o:p>

设有两篇文章1和2
文章1的内容为：Tom lives in <st1:city w:st="on">Guangzhou</st1:city>,I live in <st1:place w:st="on"><st1:city w:st="on">Guangzhou</st1:city></st1:place> too.
文章2的内容为：He once lived in <st1:place w:st="on"><st1:city w:st="on">Shanghai</st1:city></st1:place>.<o:p></o:p>

传统算法：<o:p></o:p>

文章1的所有关键词为：[tom] [live] [guangzhou] [i] [live] [guangzhou]
    文章2的所有关键词为：[he] [live] [shanghai]<o:p></o:p>

倒排索引算法：<o:p></o:p>

关键词   文章号[出现频率]   出现位置
guangzhou 1[2]               3，6
he       2[1]               1
i         1[1]               4
live      1[2],2[1]           2，5，2
shanghai  2[1]               3
tom      1[1]               1<o:p></o:p>

<o:p></o:p>

<o:p></o:p>

一、环境<o:p></o:p>

需要导入lucene.jar包（在lucene.apache.org下载）<o:p></o:p>

二、基本概念<o:p></o:p>

1．Lucene的工作流程：<o:p></o:p>

(1) 建立索引:主要使用IndexWriter，在指定的目录建立索引的文件.<o:p></o:p>

                 IndexWrite几种构造函数<o:p></o:p>

         IndexWrite(String str ,  Analyzer a ,  Boolean create)<o:p></o:p>

                  IndexWrite(File  f ,    Analyzer a,  Boolean create)<o:p></o:p>

         IndexWrite(Directory d ,  Analyzer a,  Boolean create)<o:p></o:p>

<o:p></o:p>

         <o:p></o:p>

    a.提取文本. Lucene只能对文本信息建立索引，只要你能将要索引的文件转化成文本格式，Lucene 就能为你的文档建立索引。比如，如果你想为 HTML 文档或者 PDF 文档建立索引，那么首先你就需要从这些文档中提取出文本信息，然后把文本信息交给 Lucene 建立索引。<o:p></o:p>

    b.构建Document<o:p></o:p>

    c.分析并建立索引,在提取了需要Lucene建立索引的数据并且创建了Document之后，接下来就可以调用IndexWrite类的addDocument()方法来使Lucene建立索引了。<o:p></o:p>

    
   (2) 创建搜索的Query
   (3 ) 利用IndexSearcher进行搜索<o:p></o:p>

<o:p></o:p>

2．Lucene的字段Field类型<o:p></o:p>

<o:p></o:p>

对于每个Field , Lucene提供了3种方式以供用户选择进行处理，这3种方式分别是“是否切词”，“是否索引”，“是否存储”。<o:p></o:p>

Lucene有四种不同的字段类型：Keyword，UnIndexed，UnStored和Text，用于指定建立最佳索引。<o:p></o:p>

<o:p></o:p>

<o:p></o:p>

字段类型<o:p></o:p>	是否切词<o:p></o:p>	是否索引<o:p></o:p>	是否存储<o:p></o:p>	主要用途<o:p></o:p>
Field.Keyword(String name,String value)<o:p></o:p> Field.Keyword(String Date)<o:p></o:p>	否<o:p></o:p>	是<o:p></o:p>	是<o:p></o:p>	电话号码，居民身份证，人名，地名，日期等<o:p></o:p>
Field.UnIndexed(String,String)<o:p></o:p>	否<o:p></o:p>	否<o:p></o:p>	是<o:p></o:p>	文档的类型，例如:Word,PDF,HTML<o:p></o:p>
Field.UnStored(String,String)<o:p></o:p>	是<o:p></o:p>	是<o:p></o:p>	否<o:p></o:p>	文档的标题和内容<o:p></o:p>
Field.Text(String,String)<o:p></o:p>	是<o:p></o:p>	是<o:p></o:p>	是<o:p></o:p>	文档的标题和内容<o:p></o:p>
Field.Text(String,Reader)<o:p></o:p>	是<o:p></o:p>	是<o:p></o:p>	否<o:p></o:p>	文档的标题和内容<o:p></o:p>

<o:p></o:p>

<o:p></o:p>

3．基本概念（与传统表的对比）：<o:p></o:p>

Lucene<o:p></o:p>	传统表<o:p></o:p>	说明<o:p></o:p>
IndexWriter<o:p></o:p>	table<o:p></o:p>	<o:p></o:p>
Document<o:p></o:p>	一条记录<o:p></o:p>	<o:p></o:p>
Field<o:p></o:p>	每个字段<o:p></o:p>	分为可被索引的，可切分的，不可被切分的，不可被索引的几种组合类型<o:p></o:p>
Hits<o:p></o:p>	RecoreSet<o:p></o:p>	结果集<o:p></o:p>

<o:p></o:p>

  调整性能参数，提高建立索引效率<o:p></o:p>

IndexWriter提供了一些参数可供设置，列表如下<o:p></o:p>

分享到：

IT项目开发的75条管理守则 | PowerDesigner使用(4)

• 2007-12-03 22:18
• 浏览 1705
• 评论(0)
• 查看更多

相关推荐

lucene学习资料收集

【标题】：“Lucene学习资料收集” 【描述】：Lucene是一个开源的全文搜索引擎库，由Apache软件基金会开发。这个资料集可能包含了关于如何理解和使用Lucene的各种资源，特别是通过博主huanglz19871030在iteye上的...

lucene学习资料

《Lucene学习资料》 Lucene是一个开源的全文搜索引擎库，由Apache软件基金会维护。它提供了高级的文本分析和索引功能，使得开发者能够轻松地在应用程序中集成强大的搜索功能。这个资料包中的《Lucene in Action_2nd...

Lucene学习源码.rar

本文将主要围绕Java Lucene进行深入探讨，并基于提供的“Lucene学习源码.rar”文件中的“Lucene视频教程_讲解部分源码”展开讨论。 一、Lucene核心概念 1. 文档（Document）：Lucene中的基本单位，用于存储待检索...

lucene学习pdf2

"lucene学习pdf2" 提供的文档，无疑是对Lucene深入理解的一把钥匙，它涵盖了Lucene的核心概念、操作流程以及高级特性。 首先，Lucene的基础知识是必不可少的。Lucene的核心在于索引和搜索，它将非结构化的文本数据...

lucene学习-02

【标题】：“Lucene学习-02” 在深入探讨“Lucene学习-02”这一主题之前，我们先来理解一下Lucene的核心概念。Lucene是一个高性能、全文本搜索库，由Apache软件基金会开发，广泛应用于各种搜索引擎和信息检索系统。...

Lucene的的学习资料及案例

**Lucene学习指南** Lucene是一个高性能、全文检索库，由Apache软件基金会开发并维护，是Java编程语言中广泛使用的搜索引擎库。它提供了一个简单的API，使得开发者能够方便地在应用中实现全文检索功能。本篇文章将...

【大搜集：lucene学习资料】---<下载不扣分，回帖加1分，欢迎下载，童叟无欺>

lucene学习笔记 1 .txt lucene学习笔记 2.txt lucene学习笔记 3 .txt lucene入门实战.txt Lucene 的学习 .txt Lucene-2.0学习文档 .txt Lucene入门与使用 .txt lucene性能.txt 大富翁全文索引和查询的例子...

Lucene学习工具包.zip

**Lucene学习工具包** Lucene是一个开源的全文搜索引擎库，由Apache软件基金会开发并维护。这个"Lucene学习工具包.zip"包含了学习Lucene所需的重要资料和资源，旨在帮助开发者深入理解和掌握Lucene的核心概念、功能...

Lucene学习例子与文档

**Lucene学习例子与文档详解** Lucene是一个高性能、全文本搜索库，由Apache软件基金会开发，它提供了完整的搜索功能，包括索引、查询、排序等。Lucene被广泛应用于各种需要全文检索的项目中，如网站、文档管理、...

lucene学习入门程序

**Lucene学习入门程序** Lucene是一个开源的全文搜索引擎库，由Apache软件基金会开发并维护。它是Java编写，可以被集成到各种应用中，提供强大的文本检索功能。本程序是针对初学者设计的，旨在帮助开发者快速理解并...

lucene学习全方面剖析总结

### Lucene 学习全方面剖析总结 #### Lucene 原理与应用概述 Lucene 是一个高性能、全文检索的开源库，被广泛应用于各种搜索引擎的开发之中。本篇文章旨在全面剖析 Lucene 的核心技术和应用场景，帮助读者深入理解...

Lucene 学习笔记 1

**Lucene 学习笔记 1** Lucene 是一个全文搜索引擎库，由 Apache 软件基金会开发。它提供了一个可扩展的、高性能的搜索框架，使得开发者能够在其应用程序中集成高级的搜索功能。本篇学习笔记将深入探讨 Lucene 的...

lucene学习笔记

标题：Lucene学习笔记 描述：Lucene学习笔记，Lucene入门必备材料 知识点： 一、Lucene概述与文档管理策略 Lucene是一款高性能、全功能的文本搜索引擎库，广泛应用于文档检索、全文搜索等场景。为了提升搜索效率...

• TXT文件合并法，不需要任何软件！

  2011-08-04 18:23 1990
  一、dos copy方法 发现� ...

• UML用户指南(二)----类、关系、图、接口、包、实例

  2010-08-09 14:07 1465
  类          UML为类提供了图形表示，强调抽象 ...

• UML用户指南(一)-----入门

  2010-08-09 14:07 1427
  为什么要建模     如果想搭建一个狗窝，备好木材、 ...

• maven2

  2010-04-28 17:08 3229
  (0) maven安装: 首先当然去Apache网站下载M ...

• 2010.4.24更新 windows 7 x86/x64 应用全面导航(菜鸟老鸟全兼容)

  2010-04-25 09:20 4413
  1.正确选择win7安装文件 首先确定你需要x64系 ...

• xslt函数详解

  2010-03-15 10:09 2595
  ------------------------------- ...

• Eclipse基础－－plugin插件安装

  2009-11-20 16:25 1106
  Eclipse 是一个开放源代� ...

• Maven2 的简单用法

  2009-11-06 16:59 3867
  1.Maven的安装1.1Windows 2000 ...

• 使用maven2快速创建项目

  2009-11-06 16:53 1176
  Maven2在项目管理方面影响越来越大，很多项目都使用Mave ...

• 手工把tomcat5安装成windows服务

  2008-11-12 10:40 2329
  今天搭一个Tomcat服务器,为了方便决定将解压版（非win ...

• 开发者必知 制作标准用户手册的15条技巧

  2008-07-12 09:40 1669
  用户手册声称可解决问题，但实际上不仅不能提供帮助，反而让你愈加 ...

• 回车登陆 ie firefox 兼容

  2008-06-30 10:41 2403
  function keySub(e){    var msie ...

• 完整显示当前日期和时间的JS代码

  2008-06-10 09:14 3420
  <script> function tick() ...

• weblogic无法启动报空指针错误的解决办法

  2008-05-23 17:42 3639
  AIX下无法启动weblogic，� ...

• 在myeclipse中配置weblogic[转]

  2008-03-06 13:54 1762
  安装WebLogic8.1 安装WebLog ...

• MSN,QQ在线即时交谈网页代码

  2008-01-23 13:31 3207
  想让你的msn和QQ一样可以生成在线交谈状态吗？试试这个代码吧 ...

• Apache Rewrite 规则的常见应用

  2008-01-23 10:36 10843
  一:目的本文旨在提供如 ...

• urlRewriteFilter来实现url的美化

  2007-11-24 13:21 5153
  前两天做了一个动态jsp转静态html，用到了urlrewri ...

• WAP开发FAQ

  2007-11-23 22:08 2994
  1. 开发WAP软件需要哪些� ...

• WML语言详解

  2007-11-23 22:06 1270
  元素和标签是wml的主要语法，它们决定了wml编程的基本原则。 ...

Global site tag (gtag.js) - Google Analytics