lucene.net開發教程與總結(一)

lucene.net開發教程與總結(一)

  Lucene是有名的開源搜索框架，具體細節自己查。對於英文來說，其對分詞的處理已經比較不錯，但是對於日文，中文等的處理太差，所以對我們中文來說，分詞是瓶頸。因爲不是按照間隔區分“詞彙”的，我才接觸，到項目中，使用，已經是快一年了，因爲自己很喜歡c#，所以，一直就關注的是LUCENE.NET，沒有時間看lucene（java）版本的。當然，我的java水平真的拿不出來讓大家一笑。
   
  我先通俗的介紹一些其保存數據的方式，它把數據按照其一個索引值保留，搜索的時候直接對其索引位置獲取，再由這個值取具體的值。
  
  下面我說使用，和常見的DB操作一樣，需要了解的是：新建，刪除，編輯更新（先刪除，再更新），合併，優化。
  
  我下面有時間的話會詳細的介紹其使用，由於開源，我就把關鍵代碼貼出來就可以了。

  1：創建索引
  首先創建一個目錄，保持所有文件的。
//private Directory directory =new RAMDirectory(FSDirectory.GetDirectory(@TUtility.StaticIODataPath, true));
//private Directory directory =new RAMDirectory(@TUtility.StaticIODataPath);
private Directory directory =FSDirectory.GetDirectory(@TUtility.StaticIODataPath.TrimEnd('/')+"/"+"wordtype", false);//第一次True，以後false
  
註釋說明：
  RAMDirectory（緩存）和 FSDirectory都可以使用(注意 FSDirectory.GetDirectory 的 create 參數，爲 true 時將刪除已有索引庫文件，如果需要，則可通過 IndexReader.IndexExists() 方法判斷)

從指定目錄打開已有索引庫。
private Directory directory = FSDirectory.GetDirectory("c:"index", false);

將索引庫載入內存，以提高搜索速度。
private Directory directory = new RAMDirectory(FSDirectory.GetDirectory(@"c:"index", false));
//或
//private Directory directory = new RAMDirectory(c:"index");


  第二步驟就是創建一個分析器，就是來分詞的，中文分詞的有雨痕的，shooot的，SharpICTCLAS等等，還有個JB 海量的，主要依靠的是龐大的分詞庫，這個在以後的慢慢歲月有時間的話我慢慢說：

private Analyzer analyzer = new StandardAnalyzer();

我這是標準的分詞，Lucene自帶的
  
然後就是創建一個IndexWriter ，和XmlWriter一樣，往下面寫：
     IndexWriter writer = new IndexWriter(ufile, analyzer, true);//第一次True，以後false
    //writer.SetMaxFieldLength(1000);
    writer.SetMaxMergeDocs(2);//文檔合併數
    //writer.SetMergeFactor(1000);//合併因子
    writer.AddDocument(GetNewDocument(new string[]{initvalue,initvalue}));
    writer.Optimize();
    writer.Close();//保存
    writer.SetUseCompoundFile(true);//合併文件

GetNewDocument是我自己定義的，原型如下：

private Document GetNewDocument(string[] args){
    Document document = new Document();
    document.Add(new Field("HashKey",        args[0],            Field.Store.YES, Field.Index.UN_TOKENIZED));
    document.Add(new Field("ChineseName",    args[1],            Field.Store.YES, Field.Index.UN_TOKENIZED));
    return document;
}

主要是創建一個Term，是索引的最小因子，記錄的就是這個對象了。
 
 其中，需要說明的是，IndexWrite.AddDocument這個方法不檢測重複值，如果你需要更新的話，就先找出原來已經存在的（系列教程會說的），刪除，然後添加。

IndexWriter的第三個參數是當你判斷segments文件存在不，true意味着新建庫或覆蓋已經存在的庫，false意味着追加到已經存在的庫，如果false但是沒有segment和cfs文件，那就報錯，所以之前的，判斷是不是第一次，就重要了：

if(!IndexReader.IndexExists(directory)){
//第一次，需要初始化
//MakeInit(directory);
}
  

，創建索引文件差不多就到這裏吧，具體細節可以複製具體的類或者方法名，自己查。

 以後我慢慢的吧所有的體會都寫出來。再做和demo！偉大的計劃啊