Lucene的介绍

1 lucene简介
1.1 什么是lucene
    Lucene是一个全文搜索框架，而不是应用产品。因此它并不像www.baidu.com 或者google Desktop那么拿来就能用，它只是提供了一种工具让你能实现这些产品。
2 lucene的工作方式
    lucene提供的服务实际包含两部分：一入一出。所谓入是写入，即将你提供的源（本质是字符串）写入索引或者将其从索引中删除；所谓出是读出，即向用户提供全文搜索服务，让用户可以通过关键词定位源。
2.1写入流程
    源字符串首先经过analyzer处理，包括：分词，分成一个个单词；去除stopword（可选）。
将源中需要的信息加入Document的各个Field中，并把需要索引的Field索引起来，把需要存储的Field存储起来。
    将索引写入存储器，存储器可以是内存或磁盘。
2.2读出流程
    用户提供搜索关键词，经过analyzer处理。
对处理后的关键词搜索索引找出对应的Document。
用户根据需要从找到的Document中提取需要的Field。
3 一些需要知道的概念
3.1 analyzer
    Analyzer是分析器，它的作用是把一个字符串按某种规则划分成一个个词语，并去除其中的无效词语，这里说的无效词语是指英文中的“of”、“the”，中文中的“的”、“地”等词语，这些词语在文章中大量出现，但是本身不包含什么关键信息，去掉有利于缩小索引文件、提高效率、提高命中率。
　　分词的规则千变万化，但目的只有一个：按语义划分。这点在英文中比较容易实现，因为英文本身就是以单词为单位的，已经用空格分开；而中文则必须以某种方法将连成一片的句子划分成一个个词语。具体划分方法下面再详细介绍，这里只需了解分析器的概念即可。
3.2 document
　　用户提供的源是一条条记录，它们可以是文本文件、字符串或者数据库表的一条记录等等。一条记录经过索引之后，就是以一个Document的形式存储在索引文件中的。用户进行搜索，也是以Document列表的形式返回。
3.3 field
    一个Document可以包含多个信息域，例如一篇文章可以包含“标题”、“正文”、“最后修改时间”等信息域，这些信息域就是通过Field在Document中存储的。
    Field有两个属性可选：存储和索引。通过存储属性你可以控制是否对这个Field进行存储；通过索引属性你可以控制是否对该Field进行索引。这看起来似乎有些废话，事实上对这两个属性的正确组合很重要，下面举例说明：还是以刚才的文章为例子，我们需要对标题和正文进行全文搜索，所以我们要把索引属性设置为真，同时我们希望能直接从搜索结果中提取文章标题，所以我们把标题域的存储属性设置为真，但是由于正文域太大了，我们为了缩小索引文件大小，将正文域的存储属性设置为假，当需要时再直接读取文件；我们只是希望能从搜索解果中提取最后修改时间，不需要对它进行搜索，所以我们把最后修改时间域的存储属性设置为真，索引属性设置为假。上面的三个域涵盖了两个属性的三种组合，还有一种全为假的没有用到，事实上Field不允许你那么设置，因为既不存储又不索引的域是没有意义的。
3.4 term
　　term是搜索的最小单位，它表示文档的一个词语，term由两部分组成：它表示的词语和这个词语所出现的field。
3.5 tocken
    tocken是term的一次出现，它包含trem文本和相应的起止偏移，以及一个类型字符串。一句话中可以出现多次相同的词语，它们都用同一个term表示，但是用不同的tocken，每个tocken标记该词语出现的地方。
3.6 segment
    添加索引时并不是每个document都马上添加到同一个索引文件，它们首先被写入到不同的小文件，然后再合并成一个大索引文件，这里每个小文件都是一个segment。
4 如何建索引
4.1 最简单的能完成索引的代码片断

 

/**
	 * 添加列表到索引库中
	 * @yijianfeng
	 * @param list
	 * @throws IOException
	 */
	public void writeIndex(List<LucenceVo> list) throws IOException {
		IndexWriter writer = openIndexWriter();
		try {
			for (LucenceVo lucenceVo : list) {
				Document document = builderDocument(lucenceVo);
				writer.addDocument(document);
			}
		} finally {
			writer.close();
		}
	}

	/**
	 * 添加单个到索引库中
	 * @yijianfeng
	 * @param LucenceVo
	 * @throws IOException
	 */
	public void writeIndex(LucenceVo vo) throws IOException {
		IndexWriter writer = openIndexWriter();
		try {
			Document document = builderDocument(vo);
			writer.addDocument(document);
		} finally {
			writer.close();
		}
	}
	
	
	@SuppressWarnings("static-access")
	private Document builderDocument(LucenceVo lucenceVo) throws FileNotFoundException {
		Document document = new Document();
		Field id = new StringField(lucenceVo.ID, String.valueOf(lucenceVo.getId()),
				Field.Store.YES);
		Field TITLE = new StringField(lucenceVo.TITLE, lucenceVo.getTitle(),
				Field.Store.YES);
		Field CONTENT = new TextField(lucenceVo.CONTENT, lucenceVo.getContent(),Field.Store.YES);
		Field URL = new StringField(lucenceVo.URL, lucenceVo.getUrl(),Field.Store.YES);
		document.add(id);
		document.add(TITLE);
		document.add(CONTENT);
		document.add(URL);
		return document;
	}

	private IndexWriter openIndexWriter() throws IOException {
                File index_file = new File("d:\\lun");
                Analyzer analyzer = new SmartChineseAnalyzer(Version.LUCENE_46);
		IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_46,
				analyzer);
		//索引 设置为追加或者覆盖
		indexWriterConfig.setOpenMode(OpenMode.CREATE_OR_APPEND);
		return new IndexWriter(FSDirectory.open(index_file), indexWriterConfig);
	}

        	public void testwirte(){
		List list = new ArrayList();
		for (int i = 0; i < 10000; i++) {
			LucenceVo vo = new LucenceVo();
			vo.setId("myid"+i);
			vo.setTitle("中国今天新闻"+i);
			vo.setContent("中国酸辣粉为适当放宽为肌肤我始终是中国斯科拉的风景我");
			vo.setType("新闻");
			vo.setUrl("http://www.baidu.com/?id="+i);
			list.add(vo);
		}
		try {
			writeIndex(list);
		} catch (IOException e) {
			e.printStackTrace();
		}
	}
	

 下面我们分析一下这段代码。

首先我们创建了一个writer，并指定存放索引的目录为“d:\lun”，使用的分析器为SmartChineseAnalyzer(中文专用分词)，然后我们新建一个document。
　　我们向document添加一个field，名字是“title”，内容是“lucene introduction”，对它进行存储并索引。再添加一个名字是“content”的field，内容是“lucene works well”，也是存储并索引。
然后我们将这个文档添加到索引中，如果有多个文档，可以重复上面的操作，创建document并添加
   随后将writer关闭，这点很重要。
   对，创建索引就这么简单！
  当然你可能修改上面的代码获得更具个性化的服务。
5.搜索

  5.1来看一些在lucene中使用的术语,这里并不打算作详细的介绍,只是点一下而已----因为这一个世界有一种好东西，叫搜索。

IndexWriter:lucene中最重要的的类之一，它主要是用来将文档加入索引，同时控制索引过程中的一些参数使用。

Analyzer:分析器,主要用于分析搜索引擎遇到的各种文本。常用的有StandardAnalyzer分析器,StopAnalyzer分析器,WhitespaceAnalyzer分析器等。

Directory:索引存放的位置;lucene提供了两种索引存放的位置，一种是磁盘，一种是内存。一般情况将索引放在磁盘上；相应地lucene提供了FSDirectory和RAMDirectory两个类。

Document:文档;Document相当于一个要进行索引的单元，任何可以想要被索引的文件都必须转化为Document对象才能进行索引。

Field：字段。

IndexSearcher:是lucene中最基本的检索工具，所有的检索都会用到IndexSearcher工具;

Query:查询，lucene中支持模糊查询，语义查询，短语查询，组合查询等等,如有TermQuery,BooleanQuery,RangeQuery,WildcardQuery等一些类。

QueryParser: 是一个解析用户输入的工具，可以通过扫描用户输入的字符串，生成Query对象。

Hits:在搜索完成之后，需要把搜索结果返回并显示给用户，只有这样才算是完成搜索的目的。在lucene中，搜索的结果的集合是用Hits类的实例来表示的。

 

/**
	 * 索引库中查询
	 * @param keyword
	 * @return
	 * @yijianfeng
	 */
	public List<LucenceVo> searchIndex(String keyword,int start,int size)  {
		IndexSearcher searcher = null;
		List<LucenceVo> list = new ArrayList<LucenceVo>();
		if(!havapath){
			return list;
		}
		try {
			IndexReader reader = DirectoryReader.open(FSDirectory.open(index_file));
			searcher = new IndexSearcher(reader);
			Query query =parser.parse(keyword);
			TopDocs topDocs = searcher.search(query, (size+start));
			ScoreDoc[] scoreDocs = topDocs.scoreDocs;
			int end = (size+start)<topDocs.totalHits?(size+start):topDocs.totalHits;
			for (int i = start; i < end; i++) {
				Document doc = searcher.doc(scoreDocs[i].doc);
				LucenceVo info = new LucenceVo();
				//关键词加亮
				SimpleHTMLFormatter simpleHTMLFormatter = new  SimpleHTMLFormatter(prefixHTML, suffixHTML); 
				Highlighter highlighter = new  Highlighter(simpleHTMLFormatter, new QueryScorer(query)); 
				highlighter.setTextFragmenter(new SimpleFragmenter(textmaxlength));
				String CONTENT = highlighter.getBestFragment(analyzer,LucenceVo.CONTENT,doc.get(LucenceVo.CONTENT)); 
				String TITLE = highlighter.getBestFragment(analyzer,LucenceVo.TITLE,doc.get(LucenceVo.TITLE)); 
				if(CONTENT==null)
				{
					info.setContent(doc.get(LucenceVo.CONTENT));
				}
				else
				{
					info.setContent(CONTENT);
				}
				if(TITLE==null){
					info.setTitle(doc.get(LucenceVo.TITLE));
				}else{
					info.setTitle(TITLE);
				}
				//取消重复加亮节点
				TITLE = info.getTitle().replaceAll(suffixHTML+prefixHTML, "");
				CONTENT = info.getContent().replaceAll(suffixHTML+prefixHTML, "");
				//实体赋值
				info.setId(doc.get(LucenceVo.ID));
				info.setTitle(TITLE);
				info.setUrl(doc.get(LucenceVo.URL));
				list.add(info);
			}
		}catch (Exception e) {
			e.printStackTrace();
		}
		return list;
	}

 PS：这里使用的是4.6版本,4.7及以后的版本需要使用JDK1.7在JDK1.6上使用会报错