lxwt909
- 浏览: 572809 次
- 性别:
- 来自: 北京
-
最新评论
-
w592376568：
博主：添加后修改索引后，如何实现实时搜索啊？？
Lucene5学习之LuceneUtils工具类简单封装 -
mohaoyang：
同意12楼的说法,close方法,单例的意义如何,每次clos ...
Lucene5学习之LuceneUtils工具类简单封装 -
kingxianstar：
8837One_day 写道你好作者，所有的配置文件都配置了， ...
跟益达学Solr5之增量索引MySQL数据库表数据 -
yingyong01：
...
跟益达学Solr5之拼音分词[改进版] -
8837One_day：
你好作者，所有的配置文件都配置了，在数据库中也添加新的一条数据 ...
跟益达学Solr5之增量索引MySQL数据库表数据
文章列表
为了方便用户往solr中添加索引，Solr为用户提供了一个post.jar工具，用户只需要在命令行下运行post.jar并传入一些参数就可以完成索引的增删改操作，对，它仅仅是一个供用户进行Solr测试的工具而已，有关post.jar的使用说明如下：
SimplePostTool version 5.1.0
Usage: java [SystemProperties] -jar post.jar [-h|-] [<file|folder|url|arg> [<file|folder|url|arg>...]]
Supported System ...
开始之前，你首先需要了解Solr是什么，以下是百度百科里对Solr的解释：
Solr是一个高性能，采用Java5开发，基于Lucene的全文搜索服务器。同时对其进行了扩展，提供了比Lucene更为丰富的查询语言，同时实现了可配 ...
//日期输出格式
String targetFormat = "yyyy-MM-dd HH:mm:ss";
//日期原始格式
String origFormat = "yyyy-MM-dd'T'HH:mm:ss.SSSz";
String s = "1988-11-06T12:14:05.671+08:00";
//去掉时区部分的冒号
s = s.replaceAll(":[^:]*$", "00");
System.ou ...
String text = "Fri Apr 24 19:00:58 CST 2015";
DateFormat formate1 = new SimpleDateFormat("yyyy-MM-dd HH:mm:ss");
DateFormat formate2 = new SimpleDateFormat("EEE MMM dd HH:mm:ss zzz yyyy",Locale.ENGLISH);
Date date = formate2.parse(text);
String dateString ...
MMSeg4j是一款中文分词器，详细介绍如下：
1、mmseg4j 用 Chih-Hao Tsai 的 MMSeg 算法(http://technology.chtsai.org/mmseg/ )实现的中文分词器，并实现 lucene 的 analyzer 和 solr 的TokenizerFactory 以方便在Lucene和Solr中使用。
2、MMSeg 算法有两种分词方法：Simple和Complex，都是基于正向最大匹配。Complex 加了四个规则过虑。官方说：词语的正确识别率达到了 98.41%。mmseg4j 已经实现了这两种 ...
今天使用Maven碰到了这个异常，异常信息如下：
Failure to transfer org.apache.maven:maven-parent:pom:17 from http://repo.maven.apache.org/maven2 was cached in the local repository, resolution will not be reattempted until the update interval of central has elapsed or updates are forced. Original error: Could not t ...
今天来说说拼音检索，这个功能其实还是用来提升用户体验的，别的不说，最起码避免了用户切换输入法，如果能支持中文汉语拼音简拼，那用户搜索时输入的字符更简便了，用户输入次数少了就是为了给用户使用时 ...
使用爬虫从网上抓取到一个网页内容，要想能正确显示，必须要获取网页的原始编码，否则会出现乱码。首先需要获取网页内容，最简单的办法就是通过JDK自带的HttpURLConnection类，要实现更复杂的抓取操作，请使用开源的爬虫框架，如Crawler4j,Web-Harvest,JSpider,WebMagic,Heritrix,Nutch等，我并不是来说爬虫相关技术的，只是网页内容的获取需要使用到爬虫技术，所以顺带提提有关爬虫的框架，具体你们自己去研究。这里为了简便起见，我就以JDK自带的HttpURLConnection类来抓取网页内容，抓取示例代码如下：
package ...
最近有点累，让这篇又姗姗来迟了，各位不好意思，让你们久等了。趁着周末一个人没什么事，继续Lucene5系列的脚步，今天主题是Suggest模块下另一个功能：拼写纠错。什么叫拼写纠错？大家还是看图吧，这样会比较形象： 看完上面两张图片，我想大家应该已经知道SpellCheck是用来解决问题的了吧。其实这个功能主要目的还是为了提升用户体验问题，当用户输入的搜索关键字里包含了错别字(对于英文来说，就是单词拼写不正确)，我们的搜索程序能智能检测出来并给出与用户输入的搜索关键字最相似的一组建议关键字，不过Google和百度都选择了只返回匹配度最高的一个搜索建议关键字并没有 ...
首先需要搞清楚Suggest模块是用来解决什么问题的？Google我想大家都用过，当我们在搜索输入框里输入搜索关键字的时候，紧贴着输入框下方会弹出一个提示框，提示框里会列出Top N个包含当前用户输入的搜索关键字的搜索热词，如图： 这里说的不是前端的这种JS效果，而说的是输入一个关键字如何获取相关的搜索热词，至于js效果，自己Google JQuery自动补全插件，我以前玩过，这里关注的是提示数据如何获取，当然你也可以使用数据库SQL like "%xxxx%"来实现(xxxx是你输入的搜索关键字)，但Lucene来实现这个功能会更好，因为我们 ...
现在手机APP满天飞，我想大家都用过这个功能：【搜索我附近的饭店或宾馆】之类的功能，类似这样的地理位置搜索功能非常适用，因为它需要利用到用户当前的地理位置数据，是以用户角度出发，找到符合用户自身 ...
默认Facet是统计落入某一组域值的总数的，然后按照总数从大到小排序，判定规则是域值是否相同，其实还可以根据域值是否在某个范围内来判定是否落入某一个分组。这里说的范围就是通过Range定义的，比如：
/**1小时之前的毫秒数*/
final LongRange PAST_HOUR = new LongRange("Past hour", this.nowSec - 3600L,
true, this.nowSec, true);
/**6小时之前的毫秒数*/
final LongRange PAST_SIX_HOU ...
java.io.FileNotFoundException: no segments* file found in org.apache.lucene.store.FSDirectory@/home/<path>: files:
at org.apache.lucene.index.SegmentInfos$FindSegmentsFile.run(SegmentInfos.java:516)
at org.apache.lucene.index.IndexReader.open(IndexReader.java: ...
Google我想大家应该都用过，输入我们的搜索关键字，然后回车，Google就会返回搜索结果，在返回的界面里，会对命中的关键字进行红色字体标注出来，这就是高亮功能。 Lucene5中高亮功能相关API都在org.apache.lucene.search.highlight包下，我们先从简单的高亮器开始即Highlighter 透过Hightlighter类的源码，我们首先需要去了解里面的每个成员变量的含义：
public static final int DEFAULT_MAX_CHARS_TO_ANALYZE = 50*1024;
p ...
说到Facet，我还真找不到一个合适的中文词汇来描述它，英文翻译是方面，感觉不够贴切，大家也不必纠结它的中文叫法是啥，你只需要知道使用Facet能解决什么类型的问题就行了，来看几个典型的应用案例：
看了上面几张图，大家应该知道Facet是用来干嘛的了，如果非要用语言描述Facet的用途，那Facet的用途就是根据域的域值进行分组统计，注意这里的域必须是FacetField,你Facet域的域值有几个就会分几组，并统计在Query查询条件下各组的命中结果数量。但通常不需要显示所有分组，就如图上面3张图，一般都是显示Top N 个分组即可。是不是觉得Facet和 ...