lihaiyan
- 浏览: 117610 次
- 性别:
- 来自: 广州
-
最新评论
-
锦毛鼠：
请问下您现在有没有这个demo啊？可以发我看看吗？
cxf webservice身份验证 -
z276356445t：
LZ,你写的类文件怎么和配置文件中的不一样呢,求解.
spring 定时器 -
j2eeli：
感谢共享！
spring 定时器 -
gimy：
写的很清楚，谢谢！
Spring-MultiActionController -
valgrind：
Exception in thread "main& ...
Lucene中文分词组件 JE-Analysis 1.4.0
文章列表
在使用lucene对相关内容进行索引时,会遇到各种格式的内容,例如Html,PDF,Word等等,那么我们如何从这么文档中得到我们需要的内容哪?例如Html的内容,一般我们不需要对Html标签建立索引,因为那不是我们需要搜索的内容.这个时候,我们就需要从Html内容中解析出我们所需要的内容.对于PDF,Word文档,也是类似的要求.
总之,我们只需要从内容中提取出我们需要的文本来建立索引,这样用户就能搜索到需要的内容,然后访问对应的资源即可.
Lucene本身带的例子中有一个解析Html的代码,不过不是纯JAVA的,所以在网上我又找到了另外一个Html解析器,网址如下:http ...
- 2007-09-27 18:02
- 浏览 1331
- 评论(0)
首先肯定是建立索引了啊
public void creatIndex() {
File indexDir = new File(getPathIndex());
try {
List<Article> listArticle = getArticleDao().search(null, null,null, null, null, null, null, null, new Boolean(true));
for (int i = 0; i < listArticle.size(); i++) {
Document doc = new Document();
Ar ...
- 2007-09-27 18:00
- 浏览 1289
- 评论(0)
Lucene-2.0学习文档
Lucene是apache组织的一个用java实现全文搜索引擎的开源项目。其功能非常的强大，api也很简单。总得来说用Lucene来进行建立和搜索和操作数据库是差不多的，Document可以看作是数据库的一行记录，Field可以看作是数据库的字段。用lucene实现搜索引擎就像用JDBC实现连接数据库一样简单。
值得一提的是：2006年6月1号Lucene2.0发布，它与以前广泛应用和介绍的Lucene 1.4.3并不兼容。有了很大的改进和优化，这里只介绍的是Lucene 2.0。
Lucene2.0的下载地址是http://apache.justdn.org/ ...
- 2007-09-27 17:58
- 浏览 1176
- 评论(1)
4. Lucene文档结构
Lucene中最基础的概念是索引（index），文档（document．，域（field）和项（term）。
索引包含了一个文档的序列。
· 文档是一些域的序列。
· 域是一些项的序列。
· 项就是一个字串。
存在于不同域中的同一个 ...
- 2007-09-27 17:56
- 浏览 2588
- 评论(0)
文首先介绍了Lucene的一些基本概念，然后开发了一个应用程序演示了利用Lucene建立索引并在该索引上进行搜索的过程。
Lucene 简介
Lucene 是一个基于 Java 的全文信息检索工具包，它不是一个完整的搜索应用程序，而是为你的应用程序提供索引和搜索功能。Lucene 目前是 Apache Jakarta 家族中的一个开源项目。也是目前最为流行的基于 Java 开源全文检索工具包。
目前已经有很多应用程序的搜索功能是基于 Lucene 的，比如 Eclipse 的帮助系统的搜索功能。Lucene 能够为文本类型的数据建立索引，所以你只要能把你要索引的数据格式转化的文本的，Lucene ...
- 2007-09-27 17:56
- 浏览 953
- 评论(0)
1 、问题的来源
增加分词以后结果的准确度提高了，但是用户反映返回结果的速度很慢。原因是， Lucene 做每一篇文档的相关关键词的高亮显示时，在运行时执行了很多遍的分词操作。这样降低了性能。
2 、解决方法
在 Lucene1.4.3 版本中的一个新功能可以解决这个问题。 Term Vector 现在支持保存 Token.getPositionIncrement() 和 Token.startOffset() 以及 Token.endOffset() 信息。利用 Lucene 中新增加的 Token 信息的保存结果以后，就不需要为了高亮显示而在运行时解析每篇文档。通过 Field 方法 ...
- 2007-09-27 17:55
- 浏览 1505
- 评论(0)
http://www.jscud.com 转载请注明来源/作者
关键字:lucene,html parser,全文检索,IndexReader,Document,Field,IndexWriter,Term,HTMLPAGE
Lucene是一个全文检索的引擎,目前有Java和.Net 等几个版本.Java版本的网址是http://lucene.apache.org.相关的一个项目是车东的WebLucene: http://sourceforge.net/projects/weblucene.
首先,基于一个简单的新闻系统,要想做全文检索.新闻系统的管理等在这里不在具体提出,下面列出新闻对象 ...
- 2007-09-27 17:53
- 浏览 1393
- 评论(0)
架构概览
图一显示了 Lucene 的索引机制的架构。Lucene 使用各种解析器对各种不同类型的文档进行解析。比如对于 HTML 文档，HTML 解析器会做一些预处理的工作，比如过滤文档中的 HTML 标签等等。HTML 解析器的输出的是文本内容，接着 Lucene 的分词器(Analyzer)从文本内容中提取出索引项以及相关信息，比如索引项的出现频率。接着 Lucene 的分词器把这些信息写到索引文件中。
图一：Lucene 索引机制架构
420){this.resized=true;this.style.width=420;}" border=0 resized="t ...
- 2007-09-27 17:52
- 浏览 1115
- 评论(0)
一、什么是中文分词
众所周知，英文是以词为单位的，词和词之间是靠空格隔开，而中文是以字为单位，句子中所有的字连起来才能描述一个意思。例如，英文句子“I am a student”，用中文则为：“我是一个学生”。计算机可以 ...
- 2007-09-27 17:50
- 浏览 4947
- 评论(0)
地址:http://www.lucene.com
简介：Ramblings about Lucene, Nutch, and other stuff.
摘要:
I'm a primary developer of the Lucene and Nutch open source search projects.
Lot's of folks think good open-source desktop search can already be easily implemented with tools like Lucene. But desktop search has ...
- 2007-09-27 17:48
- 浏览 1331
- 评论(0)
本站申明： 该组件免费安装使用传播，无限制商业应用，但暂不开源，也不提供任何保证
分词效率： 第一次分词需要1－2秒（读取词典），之后速度基本与Lucene自带分词持平
运行环境： Lucene 1.9+
内存消耗： 30M+
1.4.0 —— 2006-08-21
增加词典的动态扩展能 ...
- 2007-09-27 17:45
- 浏览 5163
- 评论(1)
今天有一个朋友问了我一个问题，他使用的是Hibernate/Spring/Struts架构，配置使用Spring的OpenSessionInView Filter，但是发现不生效，lazy的集合属性在页面访问的时候仍然报session已经关闭的错误。我和他一起检查了所有的配置和相关的代码，但是没有发现任何问题。经过调试发现，应用程序使用的Session和OpenSessionInView Filter打开的Session不是同一个，所以OpenSessionInView模式没有生效，但是为什么他们不使用同一个Session呢？
检查了一遍Spring的相关源代码，发现了问题的根源：
通常在 ...
- 2007-09-27 17:03
- 浏览 1980
- 评论(3)
在没有使用Spring提供的Open Session In View情况下，因需要在service(or Dao)层里把session关闭，所以lazy loading 为true的话，要在应用层内把关系集合都初始化，如 company.getEmployees()，否则Hibernate抛session already closed Exception; Open Session In V ...
- 2007-09-27 17:02
- 浏览 898
- 评论(0)
配置文件中映射元素详解
对象关系的映射是用一个XML文档来说明的。映射文档可以使用工具来生成，如XDoclet，Middlegen和AndroMDA等。
下面从一个映射的例子开始讲解映射元素，映射文件的代码如下。
＜?xml version="1.0"?＞
＜!--
所有的XML映射文件都需要定义如下所示的DOCTYPE。
Hibernate会先在它的类路径（classptah）中搜索DTD文件。
--＞
＜!DOCTYPE hibernate-mapping PUBLIC
"-//Hibernate/Hibernate Mapping D ...
- 2007-09-27 16:09
- 浏览 1369
- 评论(0)
Hibernate一共包括了23个jar包，令人眼花缭乱。本文将详细讲解Hibernate每个jar包的作用，便于你在应用中根据自己的需要进行取舍。
下载Hibernate，例如2.0.3稳定版本，解压缩，可以看到一个hibernate2.jar和lib目录下有22个jar包：
hibernate2.jar:
Hibernate的库，没有什么可说的，必须使用的jar包
cglib-asm.jar:
CGLIB库，Hibernate用它来实现PO字节码的动态生成，非常核心的库，必须使用的jar包
dom4j.jar:
dom4j是一个Java的 ...
- 2007-09-27 16:08
- 浏览 908
- 评论(0)