Lucene學習筆記之三：全文搜索詳解

全文搜索詳解主要是對其的組成部分和流程做一個詳細的說明，有助於我們接下來學習lucene。

 

在Lucene學習筆記之一：信息檢索與全文檢索這篇文章中，我們已經說過，全文搜索是按索引來找，效率高（從字典的索引找，再找到哪一頁，效率會高）,也就是要建立索引，然後進行搜索的過程。

在Lucene學習筆記之二：lucene是什麼這篇文章中介紹了lucene是什麼，也就是爲了更好的進行建立索引和搜索。

 

在全文搜索工具中，都是由這樣的三部分組成：索引部分、分詞部分、搜索部分。爲什麼是由這三部分組成呢？我們來想一想，爲了要提交檢索的效率，得建立索引；從哪來的索引，必須對資源（文檔，文章）進行分詞；搜索更不用說了

 

全文檢索中建立索引與進行檢索的流程

建立索引，就是對待搜索的信息進行一定的分析，並將分析結果按照一定的組織方式存儲起來，通常將這些結果存儲在文件中。存儲分析結果的文件的集合就是索引。在查詢時，先從索引中查找，由於索引是按照一定的結構組織的，所以查詢的速度非常快。

爲提供檢索的功能，信息檢索系統會事先做一些準備工作：信息的採集與加工。

1. 信息採集：把信息源的信息拷貝到本地，構成待檢索的信息集合。（信息源可以是互聯網中的網頁、硬盤中的txt、doc、pdf等格式的電子文檔，或是文件系統上的文件等等）。

2. 信息加工：爲採集到本地的信息編排索引，爲查詢做好準備。

流程如下：

分詞器

分詞器，對文本資源進行切分，將文本按規則切分爲一個個可以進行索引的最小單位（關鍵詞）。

建立索引和進行搜索時都要用到分詞器。爲了保證能正確的搜索到結果，在建立索引與進行搜索時使用的分詞器應是同一個。

索引文件結構

索引庫是一組文件的集合。

索引文件的檢索：

索引表規模相對較小，文檔集合規模較大。進行檢索時，先從檢索索引表開始，然後找到相對應的文檔。如果查詢中僅包含一個關鍵詞，則在索引表中找到該單詞，並取出他對應的文檔就可以了。如果查詢中包含多個關鍵詞，則需要將各個關鍵字檢索出的記錄進行合併。

 

索引文件的維護：

維護索引用三個操作：插入、刪除和更新文檔。但是更新操作需要較高的代價，因爲文檔修改後（即使是很小的修改），就可以會造成文檔中的很多的關鍵詞的位置發生了變化，這是需要頻繁的讀取和修改記錄，這種代價是相當高的。因此，一般不進行更新操作，而是使用“先刪除，後創建”的方式代替更新操作。

今天說寫到這裏，下節見。

 

本文鏈接：Lucene學習筆記之三：全文搜索詳解，本文由huangyineng原創，轉載請註明出處