Lucene學習總結

[size=x-large]一、Lucene 原理[/size]

[size=medium][b]Lucene是一個高效的，基於Java的全文檢索庫[/b]。

在生活中會遇到各種各樣的數據, 而數據可以概括爲兩種, [b]結構化數據[/b]和[b]非結構化數據[/b]。
1、結構化數據指具有固定格式或有限長度的數據，如數據庫，元數據等。
2、非機構化數據指指不定長或無固定格式的數據，如郵件，word文檔等。

當我們需要全文檢索某個信息，主要有兩種方法：
a. [b]順序掃描法[/b](Serial Scanning)：一個一個文件的全文搜索，這種當然是很慢的了。
b. [b]通過索引查找法[/b]：通過對非結構數據進行重新組織，建立索引，再對索引進行查找。而Lucene 就是用的這個原理進行全文檢索。

Lucene的全文檢索大體分兩個過程，索引創建(Indexing)和搜索索引(Search)。
a.[b]索引創建[/b]：將現實世界中所有的結構化和非結構化數據提取信息，創建索引的過程。
b.[b]搜索索引[/b]：就是得到用戶的查詢請求，搜索創建的索引，然後返回結果的過程。

下面這幅圖來自《Lucene in action》，描述了Lucene 的檢索過程和全文檢索的一般過程。[/size]
[img]http://hi.csdn.net/attachment/201002/1/3634917_1265048519dbeE.png[/img]

參考自：[url]http://www.cnblogs.com/forfuture1978/archive/2010/06/13/1757479.html[/url]

[size=x-large]二、Lucene例子[/size]
下面是建立索引和查找文件的簡單例子
a.建立索引

    private static void indexFiles() throws IOException {
        Analyzer analyzer = new StandardAnalyzer();
        IndexWriterConfig config = new IndexWriterConfig(analyzer);
        config.setOpenMode(OpenMode.CREATE_OR_APPEND);

        Directory dir = FSDirectory.open(Paths.get("C:\\shuxiang\\tmp\\lucene6"));
        IndexWriter writer = new IndexWriter(dir, config);
        Document doc = new Document();
        Path path = Paths.get("C:\\shuxiang\\tmp\\Edit5");
        InputStream newInputStream = Files.newInputStream(path);
        InputStreamReader inputStreamReader = new InputStreamReader(newInputStream, StandardCharsets.UTF_8);
        Field pathField = new StringField("path", path.toString(), Field.Store.YES);
        doc.add(pathField);
        TextField field = new TextField("contents", new BufferedReader(inputStreamReader));
        doc.add(field);
        writer.addDocument(doc);
        writer.close();

    }

b. 查找文件

    private static void searchFile() throws IOException, ParseException {
        Directory dir = FSDirectory.open(Paths.get("C:\\shuxiang\\tmp\\lucene6"));
        IndexReader reader = DirectoryReader.open(dir);
        IndexSearcher searcher = new IndexSearcher(reader);

        Analyzer analyzer = new StandardAnalyzer();
        QueryParser parser = new QueryParser("contents", analyzer);
        Query query = parser.parse("92646KHJ4");
        System.out.println("Searching for: " + query.toString("contents"));

        TopDocs topDocs = searcher.search(query, 100000);
        System.out.println(topDocs.totalHits + " total matching documents");
        for (ScoreDoc scoreDoc : topDocs.scoreDocs) {
            Document hitDoc = searcher.doc(scoreDoc.doc);
            System.out.println("hit:" + hitDoc.get("path"));
        }
    }

Lucene官網有兩個很好的例子，如下：
[url]https://lucene.apache.org/core/6_2_1/demo/src-html/org/apache/lucene/demo/IndexFiles.html[/url]

[url]https://lucene.apache.org/core/6_2_1/demo/src-html/org/apache/lucene/demo/SearchFiles.html[/url]