tags: Lucene

什么是Lucene？？

Lucene是apache软件基金会发布的一个开放源代码的全文检索引擎工具包，由资深全文检索专家Doug Cutting所撰写,它是一个全文检索引擎的架构，提供了完整的创建索引和查询索引，以及部分文本分析的引擎，Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎，Lucene在全文检索领域是一个经典的祖先，现在很多检索引擎都是在其基础上创建的，思想是相通的。

Lucene是根据关健字来搜索的文本搜索工具，只能在某个网站内部搜索文本内容，不能跨网站搜索

既然谈到了网站内部的搜索，那么我们就谈谈我们熟悉的百度、google那些搜索引擎又是基于什么搜索的呢....

从图上已经看得很清楚，baidu、google等搜索引擎其实是通过网络爬虫的程序来进行搜索的...

为什么我们要用Lucene？

在介绍Lucene的时候，我们已经说了：Lucene又不是搜索引擎，仅仅是在网站内部进行文本的搜索。那我们为什么要学他呢？？？

我们之前编写纳税服务系统的时候，其实就已经使用过SQL来进行站内的搜索..

既然SQL能做的功能，我们还要学Lucene，为什么呢？？？

我们来看看我们用SQL来搜索的话，有什么缺点：

• （1）SQL只能针对数据库表搜索，不能直接针对硬盘上的文本搜索
• （2）SQL没有相关度排名
• （3）SQL搜索结果没有关健字高亮显示
• （4）SQL需要数据库的支持，数据库本身需要内存开销较大，例如：Oracle
• （5）SQL搜索有时较慢，尤其是数据库不在本地时，超慢，例如：Oracle

我们来看看在baidu中搜索Lucene为关键字搜索出的内容是怎么样的：

以上所说的，我们如果使用SQL的话，是做不到的。因此我们就学习Lucene来帮我们在站内根据文本关键字来进行搜索数据！

我们如果网站需要根据关键字来进行搜索，可以使用SQL，也可以使用Lucene...那么我们Lucene和SQL是一样的，都是在持久层中编写代码的。。

快速入门

接下来，我们就讲解怎么使用Lucene了.....在讲解Lucene的API之前，我们首先来讲讲Lucene存放的究竟是什么内容...我们的SQL使用的是数据库中的内存，在硬盘中为DBF文件...那么我们Lucene内部又是什么东西呢？？

Lucene中存的就是一系列的二进制压缩文件和一些控制文件，它们位于计算机的硬盘上， 这些内容统称为索引库，索引库有二部份组成：

• （1）原始记录
  • 存入到索引库中的原始文本，例如：我是钟福成
• （2）词汇表
  • 按照一定的拆分策略（即分词器）将原始记录中的每个字符拆开后，存入一个供将来搜索的表

也就是说：Lucene存放数据的地方我们通常称之为索引库，索引库又分为两部分组成：原始记录和词汇表....

原始记录和词汇表

当我们想要把数据存到索引库的时候，我们首先存入的是将数据存到原始记录上面去....

又由于我们给用户使用的时候，用户使用的是关键字来进行查询我们的具体记录。因此，我们需要把我们原始存进的数据进行拆分！将拆分出来的数据存进词汇表中。

词汇表就是类似于我们在学Oracle中的索引表，拆分的时候会给出对应的索引值。

一旦用户根据关键字来进行搜索，那么程序就先去查询词汇表中有没有该关键字，如果有该关键字就定位到原始记录表中，将符合条件的原始记录返回给用户查看。

我们查看以下的图方便理解：

到了这里，有人可能就会疑问：难道原始记录拆分的数据都是一个一个汉字进行拆分的吗？？然后在词汇表中不就有很多的关键字了？？？

其实，我们在存到原始记录表中的时候，可以指定我们使用哪种算法来将数据拆分，存到词汇表中.....我们的图是Lucene的标准分词算法，一个一个汉字进行拆分。我们可以使用别的分词算法，两个两个拆分或者其他的算法。

编写第一个Lucene程序

首先，我们来导入Lucene的必要开发包：

• lucene-core-3.0.2.jar【Lucene核心】
• lucene-analyzers-3.0.2.jar【分词器】
• lucene-highlighter-3.0.2.jar【Lucene会将搜索出来的字，高亮显示，提示用户】
• lucene-memory-3.0.2.jar【索引库优化策略】

创建User对象，User对象封装了数据....

/*** Created by ozc on 2017/7/12.*/
public class User {private String id ;private String userName;private String sal;public User() {}public User(String id, String userName, String sal) {this.id = id;this.userName = userName;this.sal = sal;}public String getId() {return id;}public void setId(String id) {this.id = id;}public String getUserName() {return userName;}public void setUserName(String userName) {this.userName = userName;}public String getSal() {return sal;}public void setSal(String sal) {this.sal = sal;}
}复制代码

我们想要使用Lucene来查询出站内的数据，首先我们得要有个索引库吧！于是我们先创建索引库，将我们的数据存到索引库中。

创建索引库的步骤：

• 1）创建JavaBean对象
• 2）创建Docment对象
• 3）将JavaBean对象所有的属性值，均放到Document对象中去，属性名可以和JavaBean相同或不同
• 4）创建IndexWriter对象
• 5）将Document对象通过IndexWriter对象写入索引库中
• 6）关闭IndexWriter对象

@Testpublic void createIndexDB() throws Exception {//把数据填充到JavaBean对象中User user = new User("1", "钟福成", "未来的程序员");//创建Document对象【导入的是Lucene包下的Document对象】Document document = new Document();//将JavaBean对象所有的属性值，均放到Document对象中去，属性名可以和JavaBean相同或不同/*** 向Document对象加入一个字段* 参数一：字段的关键字* 参数二：字符的值* 参数三：是否要存储到原始记录表中*      YES表示是*      NO表示否* 参数四：是否需要将存储的数据拆分到词汇表中*      ANALYZED表示拆分*      NOT_ANALYZED表示不拆分** */document.add(new Field("id", user.getId(), Field.Store.YES, Field.Index.ANALYZED));document.add(new Field("userName", user.getUserName(), Field.Store.YES, Field.Index.ANALYZED));document.add(new Field("sal", user.getSal(), Field.Store.YES, Field.Index.ANALYZED));//创建IndexWriter对象//目录指定为E:/createIndexDBDirectory directory = FSDirectory.open(new File("E:/createIndexDB"));//使用标准的分词算法对原始记录表进行拆分Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_30);//LIMITED默认是1W个IndexWriter.MaxFieldLength maxFieldLength = IndexWriter.MaxFieldLength.LIMITED;/*** IndexWriter将我们的document对象写到硬盘中** 参数一：Directory d,写到硬盘中的目录路径是什么* 参数二：Analyzer a, 以何种算法来对document中的原始记录表数据进行拆分成词汇表* 参数三：MaxFieldLength mfl 最多将文本拆分出多少个词汇** */IndexWriter indexWriter = new IndexWriter(directory, analyzer, maxFieldLength);//将Document对象通过IndexWriter对象写入索引库中indexWriter.addDocument(document);//关闭IndexWriter对象indexWriter.close();}复制代码

程序执行完，我们就会在硬盘中见到我们的索引库。

那我们现在是不知道记录是否真真正正存储到索引库中的，因为我们看不见。索引库存放的数据放在cfs文件下，我们也是不能打开cfs文件的。

于是，我们现在用一个关键字，把索引库的数据读取。看看读取数据是否成功。

根据关键字查询索引库中的内容：

• 1）创建IndexSearcher对象
• 2）创建QueryParser对象
• 3）创建Query对象来封装关键字
• 4）用IndexSearcher对象去索引库中查询符合条件的前100条记录，不足100条记录的以实际为准
• 5）获取符合条件的编号
• 6）用indexSearcher对象去索引库中查询编号对应的Document对象
• 7）将Document对象中的所有属性取出，再封装回JavaBean对象中去，并加入到集合中保存，以备将之用

@Testpublic void findIndexDB() throws Exception {/*** 参数一： IndexSearcher(Directory path)查询以xxx目录的索引库** */Directory directory = FSDirectory.open(new File("E:/createIndexDB"));//创建IndexSearcher对象IndexSearcher indexSearcher = new IndexSearcher(directory);//创建QueryParser对象/*** 参数一： Version matchVersion 版本号【和上面是一样的】* 参数二：String f,【要查询的字段】* 参数三：Analyzer a【使用的拆词算法】* */Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_30);QueryParser queryParser = new QueryParser(Version.LUCENE_30, "userName", analyzer);//给出要查询的关键字String keyWords = "钟";//创建Query对象来封装关键字Query query = queryParser.parse(keyWords);//用IndexSearcher对象去索引库中查询符合条件的前100条记录，不足100条记录的以实际为准TopDocs topDocs = indexSearcher.search(query, 100);//获取符合条件的编号for (int i = 0; i < topDocs.scoreDocs.length; i++) {ScoreDoc scoreDoc = topDocs.scoreDocs[i];int no = scoreDoc.doc;//用indexSearcher对象去索引库中查询编号对应的Document对象Document document = indexSearcher.doc(no);//将Document对象中的所有属性取出，再封装回JavaBean对象中去String id = document.get("id");String userName = document.get("userName");String sal = document.get("sal");User user = new User(id, userName, sal);System.out.println(user);}
复制代码

效果：

进一步说明Lucene代码

我们的Lucene程序就是大概这么一个思路：将JavaBean对象封装到Document对象中，然后通过IndexWriter把document写入到索引库中。当用户需要查询的时候，就使用IndexSearcher从索引库中读取数据，找到对应的Document对象，从而解析里边的内容，再封装到JavaBean对象中让我们使用。

如果您觉得这篇文章帮助到了您，可以给作者一点鼓励