Lucene5.4搜索入門.docx

Lucene搜索入門前言搜索即用給定的關鍵字（key）去內容庫（contents）里找到key。Lucene的搜索大概原理是從contents里提取預定的關鍵字（preKey）做成一個索引庫（indexTable）。例：內容庫（contents）數(shù)據(jù)庫表productIdNameTitleprice1草魚廣西來賓清水草魚122大米廣西來賓小平陽東南小油粘米33蘋果陜西鳳陽小媽咪蘋果94花生廣西南寧十萬大山野花生99索引庫（IndexTable）多對多規(guī)則，此表只是舉例，真實生成規(guī)則復雜，也不是一張表PreKeyids魚，廣西，來賓，清水，草魚1,2,4米，大米，小平陽，東南，油粘米2果，蘋果，陜西，鳳陽，媽咪3花生，十萬大山，野花生4給定key=“廣西”，則搜索出id為1,2,4的記錄。下面具體講Lucen的操作。內容步驟：一、 在eclipse中創(chuàng)建一個Maven工程點擊“finish”，工程創(chuàng)建完成如下：二、 打開配置文件 pom.xml編輯里面的內容如下：說明：1） 增加了標簽及其內部內容。2） 每個內容尋找方法,以第一個內容為例，如下：a) 打開 b) 在頭條搜索框輸入lucene搜索c) 搜索結果如下，選擇含有l(wèi)ucene-core的第一個結果點擊進入點擊版本號進入：其它幾個的內容一樣的尋找方法。注意版本（當前我用lucene 5.4.1）三、 修改工程默認的JDK版本，默認的是JDK1.5，修改成JDK1.7以上，我電腦安裝JDK1.8所以修改成JDK1.8。（JDK1.8就是JDK8,同理JDK1.5是JDK5,叫法不同而已）操作：對工程名“Lucene”右鍵Build Pathconfigure Build Path四、 準備數(shù)據(jù)（前言中的contents）在D盤下的LuceneData文件夾里準備了5個文件。五、 寫java代碼生成索引表（前方中的indexTable）在工程的src/main文件夾下創(chuàng)建生成索引表的工具類實現(xiàn)CreateIndexTable.java類package com.zhc.lucene;import java.io.File;import java.io.FileReader;import java.io.IOException;import java.nio.file.Paths;import .smart.SmartChineseAnalyzer;import org.apache.lucene.document.Document;import org.apache.lucene.document.Field;import org.apache.lucene.document.StringField;import org.apache.lucene.document.TextField;import org.apache.lucene.index.IndexWriter;import org.apache.lucene.index.IndexWriterConfig;import org.apache.lucene.store.FSDirectory;public class CreateIndexTable private IndexWriter writer;/索引表生成對象，可以看成是一個有規(guī)則的輸出流對象/* * 構造方法 * param contentDir 等待創(chuàng)建索引的內容路徑 * param indexTableDir 索引表保存的路徑 * throws IOException */public CreateIndexTable(String contentDir,String indexTableDir) throws IOException/讀取內容FSDirectory dir = FSDirectory.open(Paths.get(indexTableDir);/創(chuàng)建一個標準分詞器，所謂分詞器，就是在全內容中選擇出關鍵字（不適用于中文，所以我們選擇建議一個中文的分詞器）/StandardAnalyzer analyzer = new StandardAnalyzer();SmartChineseAnalyzer analyzer = new SmartChineseAnalyzer();/創(chuàng)建索引分析器配置實例IndexWriterConfig config = new IndexWriterConfig(analyzer);writer = new IndexWriter(dir,config);/讀入等等創(chuàng)建索引的內容(因為是多個文件所以用listFiles,如果是只有一個文件 也不會錯)File files = new File(contentDir).listFiles();Document document = null;for (File file : files) document = new Document();/創(chuàng)建一個等待分詞的文檔/可以理解為給索引表添加一個content字段，讀內容為從file文件內容里提取的關鍵字，不保存文檔內容進表document.add(new TextField(content, new FileReader(file);/為索引表增加fileName字段，內容為文件名，保存文件名進索引表document.add(new StringField(fileName, file.getName(),Field.Store.YES);/為索引表增加fullPath字段，內容為文件全路徑，保存文件路徑到索引表document.add(new StringField(fullPath, file.getCanonicalPath(),Field.Store.YES);/寫索引表對象把定義好規(guī)則的文檔寫入索引表writer.addDocument(document);/寫完索引表，關閉寫對象實例。writer.close();六、 運行生成索引表為了看到加載過程，在for循環(huán)里加了一行代碼：System.out.println(加載的文件 ：+file.getCanonicalPath()+/+file.getName();用luke查看生成的索引表如下：七、 寫查詢類LuceneSearch.javapackage com.zhc.lucene;import java.nio.file.Paths;import .smart.SmartChineseAnalyzer;import org.apache.lucene.document.Document;import org.apache.lucene.index.DirectoryReader;import org.apache.lucene.queryparser.classic.QueryParser;import org.apache.lucene.search.IndexSearcher;import org.apache.lucene.search.Query;import org.apache.lucene.search.ScoreDoc;import org.apache.lucene.search.TopDocs;import org.apache.lucene.store.FSDirectory;public class LuceneSearch /* * 構造器 * param indexDir 索引表的位置 * param key 查詢關鍵字 * throws Exception */public LuceneSearch(String indexDir,String key)throws Exception/建立索引表文件路徑FSDirectory directory = FSDirectory.open(Paths.get(indexDir);/建立讀入索引文件對象DirectoryReader reader = DirectoryReader.open(directory);/生成搜索器,將用它來操作搜索IndexSearcher searcher = new IndexSearcher(reader);/生成分詞搜索規(guī)則（用什么規(guī)則生成的索引表，就用什么規(guī)則去搜索索引表）/StandardAnalyzer anaylzer = new StandardAnalyzer();/通用標準分詞規(guī)則SmartChineseAnalyzer analyzer = new SmartChineseAnalyzer();/中文分詞規(guī)則 （建立索引表時就用的這個）/根據(jù)對索引表搜索的字段和分詞器創(chuàng)建搜索轉換器QueryParser parser = new QueryParser(content, analyzer);/根據(jù)搜索關鍵字，獲取搜索規(guī)則（底層實現(xiàn)算法，到此處還只是一些設置，還不是真正耗時的搜索工作）Query query = parser.parse(key);/開始搜索工作，根據(jù)以上設置的搜索規(guī)則，搜索出前30條數(shù)據(jù)。TopDocs results = searcher.search(query, 30);/顯示搜索結果Document doc = null;for (ScoreDoc score : results.scoreDocs) /根據(jù)文件標識從搜索器里取得搜索到的文件doc = searcher.doc(score.doc);/顯示搜索到的文件的路徑和名字，通過索引表的字段獲取。System.out.println(搜索到的文件：+doc.get(fullPath)+/+doc.get(fileName);/關閉讀入文件流reader.close();在工程下的src/test/java文件夾里創(chuàng)建一個測試類LuceneSearchTest.javapackage com.zhc.lucene;import org.junit.Test;public class LuceneSearchTest Testpublic void search(String args) String indexDir = D:LuceneIndex;String key = 正者;try new LuceneSearch(indexDir, key); catch (Exception e) / TODO Auto-generated catch blocke.printStackTrace();搜索結果如下：到此一個Lucene搜索就完全走通了，但要真實的工作，還要多學習擴展，下面再增加一些常用的Lucene應用知識。1） 對索引表的搜索是前面所講重點，但對索引表的增刪除也很重要。多了解IndexWriter類的API,如下方法及其重載。writer.addDocument(doc);writer.deleteDocuments(arg0);writer.updateDocument(arg0, arg1);2） 可以給索引表某個字段的特定值加減權值（被搜索到的機率）實現(xiàn)：如更新fileName字段的權限代碼修改如下：/為索引表增加fileName字段，內容為文件名，保存文件名進索引表StringField fileNameField = new StringField(fileName, file.getName(),Field.Store.YES);if(file.getName().contains(呂氏) fileNameField.setBoost(1.2f);/默認值為1，大于1則更優(yōu)先被搜索到，小于1于反之。document.add(fileNameField);3） 對索引表指定字體搜索實現(xiàn)：創(chuàng)建query時則有所改變Term t=new Term(col,key);/col為索引表字段名，key為搜索關鍵字Query query=new TermQuery(t);/創(chuàng)建query4)key可以是表達式（查看文檔），如: String key = “中國”，和邏輯 ：與為AND,或為空格，4） 指定薦范圍(對fileName搜索從a字符開始b結束)TermRangeQuery query=new TermRangeQuery(fileName, new BytesRef(b.getBytes(), new BytesRef(c.getBytes(), true, true);5） 指定數(shù)字范圍（對字段為數(shù)字的才可以用數(shù)字范圍，如id，本次數(shù)據(jù)沒數(shù)字類型）NumericRangeQuery query=NumericRangeQuery.newIntRange(id, 1, 2, true, true);6） 指定前綴（對fileName是a開頭的）PrefixQuery query=new PrefixQuery(new Term(fileName,a);7） 多條件(query的構造有所不同，多注意)NumericRangeQuery query1=NumericRangeQuery.newIntRange(id, 1, 2, true, true);PrefixQuery query2=new PrefixQuery(new Term(city,a);BooleanQuery.Builder query=new BooleanQuery.Builder();query.add(query1,BooleanClause.Occur.MUST);/MUST為和其它條件