Lucene的使用

如果你想快速查询你磁盘上文件,或查询邮件、Web页面,甚至查询存于数据库的数据,你都可以借助于Lucene来完成。但是要完成查询就必须先建立索引。首先从Lucene API说起:
1、 Lucene API(核心操作类)
 
IndexWriter创建和维护索引(向原索引中添加新Document,设置合并策略、优化等)
FSDirectory最主要用来存储索引文件的类,表示将索引文件存储到文件系统
Document索引和查询的原子单元,一个Document包含一系列Field
IndexReader一个抽象类,提供了访问索引的接口,当然访问索引也可以通过它的子类来完成
Analyzer分词类,它有一系列子类,都是用来将文本解析成TokenStream
Searcher用于查询索引的核心类
 2、创建索引
Directory dir = FSDirectory.open(new File("lucene.blog"));   

IndexWriter writer = new IndexWriter(dir,new StandardAnalyzer(Version.LUCENE_29),true, IndexWriter.MaxFieldLength.UNLIMITED);   


Document doc = new Document();   


doc.add(new Field("id", "101", Field.Store.YES, Field.Index.NO));   


doc.add(new Field("name", "kobe bryant", Field.Store.YES, Field.Index.NO));   

writer.addDocument(doc);   
writer.optimize();   
writer.close();  
Directory dir = FSDirectory.open(new File("lucene.blog"));  
IndexWriter writer = new IndexWriter(dir,new StandardAnalyzer(Version.LUCENE_29),true, IndexWriter.MaxFieldLength.UNLIMITED);  
Document doc = new Document();  
doc.add(new Field("id", "101", Field.Store.YES, Field.Index.NO));  
doc.add(new Field("name", "kobe bryant", Field.Store.YES, Field.Index.NO));  
writer.addDocument(doc);  
writer.optimize();  
writer.close();  
 如上所示将索引文件存储于工作目录下lucene.blog文件夹 ,创建了Document,向Document里添加了两个Field id和name,然后使用IndexWriter的addDocument(Document)方法将其添加到索引目录下的索引文件中,然后使用IndexWriter的optimize()方法进行对索引文件优化,最后关闭IndexWriter;
3、通过IndexWriter删除索引中Document
Directory dir = FSDirectory.open(new File("lucene.blog"));   

IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.UNLIMITED);   


writer.deleteDocuments(new Term("id", "101"));   

writer.commit();   
writer.close();  
Directory dir = FSDirectory.open(new File("lucene.blog"));  
IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.UNLIMITED);  
writer.deleteDocuments(new Term("id", "101"));  
writer.commit();  
writer.close();  
 如上先打开索引位置(工作目录下lucene.blog文件夹 ),然后直接调运IndexWriter的deleteDocuments(Term)方法删除上面2中创建的Document,注意必须调运commit()方法,上面2中之所以没有commit()是因为optimize()方法中存在默认Commit方法;
4、通过IndexWriter更新索引中Document
Directory dir = FSDirectory.open(new File("lucene.blog"));   

IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.UNLIMITED);   


Document doc = new Document();   


doc.add(new Field("id", "101", Field.Store.YES, Field.Index.ANALYZED)); // Field.Index.ANALYZED 


doc.add(new Field("name", "kylin soong", Field.Store.YES, Field.Index.ANALYZED));   


writer.updateDocument(new Term("id", "101"), doc);   

writer.commit();   
writer.close();  
Directory dir = FSDirectory.open(new File("lucene.blog"));  
IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.UNLIMITED);  
Document doc = new Document();  
doc.add(new Field("id", "101", Field.Store.YES, Field.Index.NO));  
doc.add(new Field("name", "kylin soong", Field.Store.YES, Field.Index.NO));  
writer.updateDocument(new Term("id", "101"), doc);  
writer.commit();  
writer.close();  
 通过IndexWriter的updateDocument(Term, Document)来完成更新,具体是将包含Term("id", "101")的Document删除,然后将传入的Document添加到索引文件;
5、Field选项意义
Field field = new Field(   

        "101",   


        "kobe bryant",   

        Field.Store.YES,   
        Field.Index.ANALYZED,   
        Field.TermVector.YES);  
Field field = new Field(  
        "101",  
        "kobe bryant",  
        Field.Store.YES,  
        Field.Index.ANALYZED,  
        Field.TermVector.YES);  
  如上代码显示Field各属性设置情况,下面简单说明这些属性选项的意义
Field.Store.*决定是否将Field的完全值进行存储,注意:不能将整个文本内容存储,这样导致索引文件过大
 
Field.Store.YES存储,一旦存储,你可以用完整的Field的完全值作为查询条件查询(id:101)
Field.Store.NO不存储
 
 
 
 
 Field.Index.*控制Field的值是否可查询通过索引成的索引文件
 
Field.Index.ANALYZED用Analyzer将Field的值分词成多个Token
Field.Index.NOT_ANALYZED不对Field的值分词,将Field的值作为一个Token处理
Field.Index.ANALYZED_NO_NORMS类似ANALYZED,但不存常规信息到索引文件
Field.Index.NOT_ANALYZED_NO_NORMS类似NOT_ANALYZED,但不存常规信息到索引文件
Field.Index.NO不进行索引,Field的值不可被搜索
 如果你想要检索出唯一的terms在搜索时,或对搜索结果进行加亮处理等操作是Field.TermVector.*是必要的
 
Field.TermVector.YES记录唯一的terms,当重复发生时记下重复数,在不做额外处理
Field.TermVector.WITH_POSITIONS在上面基础上记录下位置
Field.TermVector.WITH_OFFSETS在TermVector.YES基础上记录偏移量
Field.TermVector.WITH_POSITIONS_OFFSETS在TermVector.YES基础上记录偏移量和位置
Field.TermVector.NO不做任何处理
 
 
 
 
 
 
 
 6、索引numbers
Document doc = new Document();   

NumericField field1 = new NumericField("id");   


field1.setIntValue(101);   

doc.add(field1);   

NumericField field2 = new NumericField("price");   


field1.setDoubleValue(123.50);   

doc.add(field2);  
Document doc = new Document();  
NumericField field1 = new NumericField("id");  
field1.setIntValue(101);  
doc.add(field1);  
NumericField field2 = new NumericField("price");  
field1.setDoubleValue(123.50);  
doc.add(field2);  
 如上所示为索引numbers方法;
7、索引Date和Time
Document doc = new Document();   

doc.add(new NumericField("timestamp").setLongValue(new Date().getTime()));   


doc.add(new NumericField("day").setIntValue((int) (new Date().getTime()/24/3600)));   

Calendar cal = Calendar.getInstance();   

cal.setTime(new Date());   


doc.add(new NumericField("dayOfMonth").setIntValue(cal.get(Calendar.DAY_OF_MONTH)));  
Document doc = new Document();  
doc.add(new NumericField("timestamp").setLongValue(new Date().getTime()));  
doc.add(new NumericField("day").setIntValue((int) (new Date().getTime()/24/3600)));  
Calendar cal = Calendar.getInstance();  
cal.setTime(new Date());  
doc.add(new NumericField("dayOfMonth").setIntValue(cal.get(Calendar.DAY_OF_MONTH)));  
 实质上对Date和Time的处理是将Date和Time转化为numbers来处理,注意:当然也可以把Date和Time以及上面的numbers当做字符串来处理,不过这样影响查询;
 8、IndexWriter的其他同法
Directory dir = FSDirectory.open(new File("lucene.blog"));   

IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.LIMITED);   


writer.setMaxFieldLength(1);   


MergePolicy policy = new LogByteSizeMergePolicy(writer);   

writer.setMergePolicy(policy);   

writer.optimize(5);   

writer.close();  
Directory dir = FSDirectory.open(new File("lucene.blog"));  
IndexWriter writer = new IndexWriter(dir, new StandardAnalyzer(Version.LUCENE_29), true, IndexWriter.MaxFieldLength.LIMITED);  
writer.setMaxFieldLength(1);  
MergePolicy policy = new LogByteSizeMergePolicy(writer);  
writer.setMergePolicy(policy);  
writer.optimize(5);  
writer.close();  
 如上IndexWriter.MaxFieldLength.LIMITED设定了Field截取功能,如果Field值相当长,而你只想索引Field值的前固定个字符,可以用Field截取功能来实现;IndexWriter的setMergePolicy(policy),可以设定合并策略,另外optimize(int maxNumSegments)方法可以通过参数设定优化成的Segment个数;
9、根据确定的term查询
IndexReader reader = IndexReader.open(FSDirectory.open(new File("lucene.blog")),true);   

IndexSearcher searcher = new IndexSearcher(reader);    


Term term = new Term("id","101");   


Query query = new TermQuery(term);   


TopDocs topDocs = searcher.search(query, 10);   

System.out.println(topDocs.totalHits);   
ScoreDoc[] docs = topDocs.scoreDocs;   

System.out.println(docs[0].doc + " " + docs[0].score);   


Document doc = searcher.doc(docs[0].doc);   


System.out.println(doc.get("id"));  
IndexReader reader = IndexReader.open(FSDirectory.open(new File("lucene.blog")),true);  
IndexSearcher searcher = new IndexSearcher(reader);   
Term term = new Term("id","101");  
Query query = new TermQuery(term);  
TopDocs topDocs = searcher.search(query, 10);  
System.out.println(topDocs.totalHits);  
ScoreDoc[] docs = topDocs.scoreDocs;  
System.out.println(docs[0].doc + " " + docs[0].score);  
Document doc = searcher.doc(docs[0].doc);  
System.out.println(doc.get("id"));  
 如上示例显示了一个Lucene查询的基本方法,IndexSearcher是核心的查询类,IndexReader 可以读取索引文件,IndexSearcher有一系列重载的Search()方法,可以根据传入不同参数进行不同查询处理,ScoreDoc数组保存查询结果,和相关得分;
10、根据QueryParser查询,并收集查询结果
IndexReader reader = IndexReader.open(FSDirectory.open(new File("lucene.blog")),true);   

IndexSearcher searcher = new IndexSearcher(reader);   


Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_29);   


QueryParser parser = new QueryParser(Version.LUCENE_29,"name",analyzer);   


String queryString = "kobe";   

Query query = parser.parse(queryString);   

TopScoreDocCollector collector = TopScoreDocCollector.create(10, false);   

searcher.search(query, collector);   
ScoreDoc[] hits = collector.topDocs().scoreDocs;   

for(int i = 0 ; i < hits.length ; i ++) {   

Document  doc = searcher.doc(hits[i].doc);   

String name = doc.get("name");   


if (name != null) {   

    System.out.println(name);   
}   
}  
IndexReader reader = IndexReader.open(FSDirectory.open(new File("lucene.blog")),true);  
IndexSearcher searcher = new IndexSearcher(reader);  
Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_29);  
QueryParser parser = new QueryParser(Version.LUCENE_29,"name",analyzer);  
String queryString = "kobe";  
Query query = parser.parse(queryString);  
TopScoreDocCollector collector = TopScoreDocCollector.create(10, false);  
searcher.search(query, collector);  
ScoreDoc[] hits = collector.topDocs().scoreDocs;  
for(int i = 0 ; i < hits.length ; i ++) {  
Document  doc = searcher.doc(hits[i].doc);  
String name = doc.get("name");  
if (name != null) {  
    System.out.println(name);  
}  
}  
如上为一个使用QueryParser查询关键字“kobe”的实例,另外还对查询结果进行了收集
11、使用Lucene图形化工具Luke来操作索引
Luke使用非常简单:
下载:http://code.google.com/p/luke/ 点击下载最新版本,下载完成直接点击下载的jar包,就可以进入图形化操作界面,选择索引的目录就可以对索引进行图形化操作

相关推荐