lucene索引

Lucene介绍：

注意：在建立索引搜索时如果中间有乱码的话，是没有效果的

后续会增加遍历源文件夹，各种格式转为为txt

       Lucene是一个高性能，可伸缩的全文检索工具包，可以使用他为你的应用程序添加索引和搜索能力。（注：它不是一个完整的搜索应用程序），Lucene目前是我们熟知的Apache里的一个开发项目，也是目前最为流行的基于Java开源全文检索工具包。

       官网：http://lucene.apache.org/,从官网上看可以发现其版本不止Java的还有.NET等等。

       目前已经有很多应用程序的搜索功能是基于Lucene的，例如我们用的Eclipse在第一次使用的时候，会有一个进度条，那就是创建索引的过程，方便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为文本的，Lucene就能对你的文档进行索引和搜索。比如你要对一些HTML文档、PDF文档进行索引的话你就首先需要把HTML文档和PDF文档转换为文本格式的，然后将转换后的内容交给Lucene进行索引，然后再把创建好的索引文件保存到磁盘或内存中，最后根据用户输入的查询条件在索引文件上进行查询。

搜索应用程序和Lucene之间的关系：

在用之前，我们再来对一些Lucene里的名字进行解释一下

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。操作索引库   

    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。   

    TopDocs: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。

Ok，废话就这么多，直接上代码。

FirstLucene

1、添加jar包

lucene-core-3.5.0.jar（核心）

lucene-analyzers-3.5.0.jar（分词器）

lucene-highlighter-3.5.0.jar（高亮器）

2、建立索引

3、搜索

1. 1. package com.iflytek.lucene;  

1. import java.io.File;  
2.   
3. import org.apache.lucene.analysis.Analyzer;  
4. import org.apache.lucene.analysis.standard.StandardAnalyzer;  
5. import org.apache.lucene.document.Document;  
6. import org.apache.lucene.index.IndexReader;  
7. import org.apache.lucene.index.IndexWriter;  
8. import org.apache.lucene.index.IndexWriterConfig;  
9. import org.apache.lucene.queryParser.MultiFieldQueryParser;  
10. import org.apache.lucene.queryParser.QueryParser;  
11. import org.apache.lucene.search.Filter;  
12. import org.apache.lucene.search.IndexSearcher;  
13. import org.apache.lucene.search.Query;  
14. import org.apache.lucene.search.ScoreDoc;  
15. import org.apache.lucene.search.TopDocs;  
16. import org.apache.lucene.store.Directory;  
17. import org.apache.lucene.store.FSDirectory;  
18. import org.apache.lucene.util.Version;  
19.   
20. /** 
21.  * @author xudongwang 2012-2-2 
22.  *  
23.  *         Email:[email protected] 
24.  */  
25. public class FirstLucene {  
26.   
27.     /** 
28.      * 源文件路径 
29.      */  
30.     private String filePath01 = "F:\\Workspaces\\workspaceSE\\BlogDemo\\luceneDatasource\\HelloLucene01.txt";  
31.     private String filePath02 = "F:\\Workspaces\\workspaceSE\\BlogDemo\\luceneDatasource\\HelloLucene02.txt";  
32.     private String filePath03 = "F:\\Workspaces\\workspaceSE\\BlogDemo\\luceneDatasource\\HelloLucene03.txt";  
33.   
34.     /** 
35.      * 索引路径 
36.      */  
37.     private String indexPath = "F:\\Workspaces\\workspaceSE\\BlogDemo\\luceneIndex";  
38.   
39.     /** 
40.      * 分词器，这里我们使用默认的分词器,标准分析器（好几个，但对中文的支持都不好） 
41.      */  
42.     private Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);  
43.   
44.     /** 
45.      * 创建索引 
46.      *  
47.      * @throws Exception 
48.      */  
49.     public void createIndex() throws Exception {  
50.         Document document01 = File2Document.file2Document(filePath01);// 要进行索引的单元  
51.         Document document02 = File2Document.file2Document(filePath02);  
52.         Document document03 = File2Document.file2Document(filePath03);  
53.   
54.         // 将Document添加到索引库中  
55.   
56.         File indexFile = new File(indexPath);  
57.         Directory directory = FSDirectory.open(indexFile);  
58.         // IndexWriter是用来操作（增、删、改）索引库的  
59.         // true，表示每次都创建新的，有了就删掉再创建  
60.         IndexWriterConfig conf = new IndexWriterConfig(Version.LUCENE_35,  
61.                 analyzer);  
62.         IndexWriter indexWriter = new IndexWriter(directory, conf);  
63.         indexWriter.addDocument(document01);  
64.         indexWriter.addDocument(document02);  
65.         indexWriter.addDocument(document03);  
66.         indexWriter.close();// 涉及到资源的都需要释放  
67.     }  
68.   
69.   
70.     /** 
71.      * 搜索 
72.      *  
73.      * @param queryStr 
74.      *            搜索的关键词 
75.      * @throws Exception 
76.      */  
77.     public void search(String queryStr) throws Exception {  
78.   
79.         // 1、把要搜索的文本解析为Query对象  
80.         // 指定在哪些字段查询  
81.         String[] fields = { "name", "content" };  
82.         // 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。  
83.         QueryParser queryParser = new MultiFieldQueryParser(Version.LUCENE_35,  
84.                 fields, analyzer);  
85.         // 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。  
86.         Query query = queryParser.parse(queryStr);  
87.         // 2、进行查询  
88.         File indexFile = new File(indexPath);  
89.   
90.         // IndexSearcher 是用来在索引库中进行查询的  
91.         // IndexSearcher indexSearcher = new  
92.         // IndexSearcher(FSDirectory.open(indexFile));  
93.         Directory directory = FSDirectory.open(indexFile);  
94.         IndexReader indexReader = IndexReader.open(directory);  
95.         IndexSearcher indexSearcher = new IndexSearcher(indexReader);  
96.         // Filter 过滤器，我们可以将查出来的结果进行过滤，可以屏蔽掉一些不想给用户看到的内容  
97.         Filter filter = null;  
98.         // 10000表示一次性在数据库中查询多少个文档  
99.         // topDocs 类似集合  
100.         TopDocs topDocs = indexSearcher.search(query, filter, 10000);  
101.         System.out.println("总共有【" + topDocs.totalHits + "】条匹配的结果");// 注意这里的匹配结果是指文档的个数，而不是文档中包含搜索结果的个数  
102.         // 3、打印结果  
103.         for (ScoreDoc scoreDoc : topDocs.scoreDocs) {  
104.             int docSn = scoreDoc.doc;// 文档内部编号  
105.             Document document = indexSearcher.doc(docSn);// 根据文档编号取出相应的文档  
106.             File2Document.printDocumentInfo(document);// 打印出文档信息  
107.         }  
108.     }  
109.   
110.     public static void main(String[] args) throws Exception {  
111.         FirstLucene lucene = new FirstLucene();  
112.         //lucene.createIndex();  
113.         lucene.search("other");  
114.         System.out.println("---------------------------");  
115.         lucene.search("iteye");  
116.         System.out.println("---------------------------");  
117.         lucene.search("too");  
118.         System.out.println("---------------------------");  
119.     }  
120.   
121. }  

File2Document.java:

1. package com.iflytek.lucene;  
2.   
3. import java.io.BufferedReader;  
4. import java.io.File;  
5. import java.io.FileInputStream;  
6. import java.io.FileNotFoundException;  
7. import java.io.IOException;  
8. import java.io.InputStreamReader;  
9.   
10. import org.apache.lucene.document.Document;  
11. import org.apache.lucene.document.Field;  
12. import org.apache.lucene.document.Field.Index;  
13. import org.apache.lucene.document.Field.Store;  
14.   
15. /** 
16.  * @author xudongwang 2012-2-2 
17.  *  
18.  *         Email:[email protected] 
19.  */  
20. public class File2Document {  
21.     /** 
22.      * File--->Document 
23.      *  
24.      * @param filePath 
25.      *            File路径 
26.      *  
27.      * @return Document对象 
28.      */  
29.     public static Document file2Document(String filePath) {  
30.         // 文件要存放：name,content,size,path  
31.         File file = new File(filePath);  
32.   
33.         Document document = new Document();  
34.         // Store.YES 是否存储 yes no compress(压缩之后再存)  
35.         // Index 是否进行索引 Index.ANALYZED 分词后进行索引,NOT_ANALYZED 不索引，NOT_ANALYZED  
36.         // 不分词直接索引  
37.         document.add(new Field("name", file.getName(), Store.YES,  
38.                 Index.ANALYZED));  
39.         document.add(new Field("content", readFileContent(file), Store.YES,  
40.                 Index.ANALYZED));  
41.         document.add(new Field("size", String.valueOf(file.length()),  
42.                 Store.YES, Index.NOT_ANALYZED));// 不分词,但是有时需要索引,文件大小(int)转换成String  
43.         document.add(new Field("path", file.getAbsolutePath(), Store.YES,  
44.                 Index.NOT_ANALYZED));// 不需要根据文件的路径来查询  
45.         return document;  
46.     }  
47.   
48.     /** 
49.      * 读取文件内容 
50.      *  
51.      * @param file 
52.      *            File对象 
53.      * @return File的内容 
54.      */  
55.     private static String readFileContent(File file) {  
56.         try {  
57.             BufferedReader reader = new BufferedReader(new InputStreamReader(  
58.                     new FileInputStream(file)));  
59.             StringBuffer content = new StringBuffer();  
60.             try {  
61.                 for (String line = null; (line = reader.readLine()) != null;) {  
62.                     content.append(line).append("\n");  
63.                 }  
64.             } catch (IOException e) {  
65.   
66.                 e.printStackTrace();  
67.             }  
68.             return content.toString();  
69.         } catch (FileNotFoundException e) {  
70.   
71.             e.printStackTrace();  
72.         }  
73.         return null;  
74.     }  
75.   
76.     /** 
77.      * <pre> 
78.      * 获取name属性值的两种方法   
79.      * 1.Filed field = document.getFiled("name");   
80.      *         field.stringValue();   
81.      * 2.document.get("name"); 
82.      * </pre> 
83.      *  
84.      * @param document 
85.      */  
86.     public static void printDocumentInfo(Document document) {  
87.         // TODO Auto-generated method stub  
88.         System.out.println("name -->" + document.get("name"));  
89.         System.out.println("content -->" + document.get("content"));  
90.         System.out.println("path -->" + document.get("path"));  
91.         System.out.println("size -->" + document.get("size"));  
92.     }  
93. }  

HelloLucene01.txt：

HelloLucene02.txt：

HelloLucene03.txt：

创建的目录结构为：

运行结果：