Lucene學習筆記1--lucene開篇hello lucene

一、Lucene版本的選擇

首先在我打算學習Lucene，在我開始寫這個系列的文章的時候Lucene已經出了6.2.0。但是我學習的版本是3.5.0，之所以選擇這個版本是因爲鄭浩老師有一個視頻講解，能帶我從具體的實踐中瞭解Lucene，爲了不陷入到版本的不兼容的泥潭中，我打算學習Lucene3.5.0，弄明白了具體的原理和操作，在學習新的版本。

解壓後的Lucene3.5.0的文件夾的內容如下圖：

對於初學者，知道只需要知道兩個jar包：
1. lucene-core-3.5.0.jar包，這個是Lucene的主要功能包。
2. lib文件夾下面的junit的jar包，做單元測試使用。儘量使用lucene壓縮包中的junit，不然會出現版本不兼容的問題。

還要了解docs文件夾下的index.html，這個是對應版本的Lucene的API說明文檔，很有用。

二、HelloLucene工程創建

看一下HelloLucene的工程目錄：

其中lib文件夾下存放的是需要用到的兩個jar包，Referenced Libraries 中是通過 add build path 生成的。

三、HelloLucene建立索引

索引的建立就是針對原始的數據生成一個用於檢索的索引，這個索引可以存儲在內存中，也可以存儲在硬盤上。

public void index() {
    IndexWriter writer = null;

    try {
        //1、創建Directory
        //Directory directory = new RAMDirectory(); //將索引建立在內存中
        Directory directory = FSDirectory.open(new File("d:/lucene/index01"));

        //2、創建IndexWriter
        IndexWriterConfig conf = new IndexWriterConfig(Version.LUCENE_35, new StandardAnalyzer(Version.LUCENE_35));
        writer = new IndexWriter(directory, conf);

        //3、創建文檔Document對象
        Document doc = null;

        //4、爲文檔Document添加域Field
        File f = new File("d:/lucene/example");
        for(File file: f.listFiles()) {
            doc = new Document();
            doc.add(new Field("content", new FileReader(file)));
            doc.add(new Field("filename", file.getName(), Field.Store.YES, Field.Index.NOT_ANALYZED));
            doc.add(new Field("path", file.getAbsolutePath(), Field.Store.YES, Field.Index.NOT_ANALYZED));

            //5、通過IndexWriter添加文檔到索引中
            writer.addDocument(doc);

        } //for

    } catch (IOException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    } finally {
        if(writer != null)
            try {
                writer.close();
            } catch (CorruptIndexException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            } catch (IOException e) {
                // TODO Auto-generated catch block
                e.printStackTrace();
            }
    }
} //index()

四、Lucene通過索引檢索

索引建立之後，接下來就是通過索引對數據進行檢索：

public void searcher() {

    try {
        //1、創建Directory
        Directory directory = FSDirectory.open(new File("d:/lucene/index01"));

        //2、創建IndexReader
        IndexReader reader = IndexReader.open(directory);

        //3、根據IndexReader創建IndexSeacher
        IndexSearcher searcher = new IndexSearcher(reader);

        //4、創建搜索的query
        // 創建parser來確定要搜索的文件的內容，第二個參數表示文件的域
        QueryParser parser = new QueryParser(Version.LUCENE_35, "content", new StandardAnalyzer(Version.LUCENE_35));
        //創建query，表示搜索域content中包含java的文檔
        Query query = parser.parse("language");

        //5、根據searcher搜索並且返回TopDocs
        TopDocs tds = searcher.search(query, 10);

        //6、根據TopDocs獲取ScoreDoc對象
        ScoreDoc[] sds = tds.scoreDocs;
        for(ScoreDoc sd: sds) {
            //7、根據searcher和ScoreDoc對象獲取具體的Document對象
            Document d = searcher.doc(sd.doc);
            //8、根據Document對象獲取需要的值
            System.out.println(d.get("filename") + "[" + d.get("path") + "]");
        }

        //9、關閉reader
        reader.close();

    } catch (IOException e) {
        // TODO Auto-generated catch block
        e.printStackTrace();
    } catch (ParseException e) {
        e.printStackTrace();
    }
} // searcher()

注意：整個工作流程很簡單，建立索引的過程就是讀取磁盤上的某一個目錄，然後依次對該目錄中的文件建立索引，把索引存儲在硬盤的一個目錄中。檢索的過程就是讀取這個索引目錄的過程。

在建立索引的時候，content 這個域僅僅是讀取了文件，沒有指定是否存儲，通過看Field的源代碼可以發現默認是不存儲、要索引、要分詞的。所以檢索的時候可以在content 中檢索language 這個檢索關鍵詞，並等得到相應的文檔，但是得到的文檔不能通過d.get("content") 得到文檔的內容，因爲索引文件中沒有存儲這個域的原始數據。

Lucene的三個大的步驟就是：

1. 建立索引
2. 分詞
3. 檢索

具體的一些概念，這裏先不講，本文只是針對Lucene做一個實戰的認知，有了實戰的認知之後，在講述原理的部分纔不會那麼枯燥。

---

說明幾個Eclipse的快捷鍵：

1. shift+ctrl+o：快速導入包名（前提已經build path）
2. ctrl + /：快速添加註釋
3. alt + /：自動不全或者提示補全