3个回答
35
Lucene是一个涉及大量类和方法的话题，如果你不了解至少一些基本概念，通常无法使用它。如果你需要快速可用的服务，请使用Solr。如果你需要完全控制Lucene，请继续阅读。我将介绍一些代表核心Lucene概念和类的内容（有关如何在内存中读取文本文件的信息，请参阅 this 文章）。
无论你想要在Lucene中做什么-建立索引还是搜索-你都需要一个分析器。分析器的目标是将输入文本进行标记化（拆分成单词）和词干提取（获取单词的基础形式）。它还会去除最常见的词，例如"a"、"the"等。你可以找到适用于20多种语言的分析器，或者使用SnowballAnalyzer并将语言作为参数传递。
为了创建SnowballAnalyzer的英文实例，你可以这样做：
Analyzer analyzer = new SnowballAnalyzer(Version.LUCENE_30, "English");
如果你要索引不同语言的文本，并希望自动选择分析器，则可以使用tika's LanguageIdentifier。
你需要将索引存储在某个地方。这有两个主要可能性：内存索引，这很容易尝试，和磁盘索引，这是最广泛使用的一种。
使用下面的任意一行：
Directory directory = new RAMDirectory(); // RAM index storage
Directory directory = FSDirectory.open(new File("/path/to/index")); // disk index storage
当您想要添加、更新或删除文档时，需要使用IndexWriter：
IndexWriter writer = new IndexWriter(directory, analyzer, true, new IndexWriter.MaxFieldLength(25000));
任何文档（在您的情况下为文本文件）都是一组字段。要创建用于保存有关文件信息的文档，请使用以下内容：
Document doc = new Document();
String title = nameOfYourFile;
doc.add(new Field("title", title, Field.Store.YES, Field.Index.ANALYZED)); // adding title field
String content = contentsOfYourFile;
doc.add(new Field("content", content, Field.Store.YES, Field.Index.ANALYZED)); // adding content field
writer.addDocument(doc); // writing new document to the index
Field构造函数需要字段名称、文本以及至少两个参数。第一个是标志，用于指示Lucene是否必须存储此字段。如果它等于Field.Store.YES，则您将有可能从索引中获取所有文本，否则只有关于其的索引信息将被存储。
第二个参数显示Lucene是否必须对此字段进行索引。对于任何要搜索的字段，请使用Field.Index.ANALYZED。
通常，您可以像上面显示的那样同时使用这两个参数。
在完成工作后不要忘记关闭您的IndexWriter：
writer.close();
搜索有些棘手。您需要几个类：Query和QueryParser从字符串创建Lucene查询，IndexSearcher用于实际搜索，TopScoreDocCollector存储结果（作为参数传递给IndexSearcher），以及ScoreDoc迭代结果。下面的代码片段显示了所有内容的组合：
IndexSearcher searcher = new IndexSearcher(directory);
QueryParser parser = new QueryParser(Version.LUCENE_30, "content", analyzer);
Query query = parser.parse("terms to search");
TopScoreDocCollector collector = TopScoreDocCollector.create(HOW_MANY_RESULTS_TO_COLLECT, true);
searcher.search(query, collector);
ScoreDoc[] hits = collector.topDocs().scoreDocs;
// `i` is just a number of document in Lucene. Note, that this number may change after document deletion
for (int i = 0; i < hits.length; i++) {
Document hitDoc = searcher.doc(hits[i].doc); // getting actual document
System.out.println("Title: " + hitDoc.get("title"));
System.out.println("Content: " + hitDoc.get("content"));
System.out.println();
}
注意
QueryParser构造函数的第二个参数 - 它是默认字段，即如果没有限定符，则将搜索该字段。例如，如果您的查询是"title:term"，则Lucene将在所有文档的"title"字段中搜索单词"term"，但如果您的查询只是"term"，则将在默认字段中搜索，在本例中为"contents"。有关更多信息，请参见Lucene查询语法。QueryParser还需要分析器作为最后一个参数。这必须是与用于索引文本的分析器相同的分析器。你必须知道的最后一件事是
TopScoreDocCollector.create的第一个参数。它只是一个数字，表示要收集多少结果。例如，如果它等于100，则Lucene仅会收集前100个（按分数排序）的结果并丢弃其余的结果。这只是优化的行为 - 您收集最佳结果，如果不满意，则可以使用更大的数字重复搜索。最后，不要忘记关闭搜索器和目录，以免浪费系统资源：
searcher.close();
directory.close();
编辑：另请参见Lucene 3.0源代码中的IndexFiles演示类。
- ffriend
1
3
package org.test;
import java.io.BufferedReader;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import org.apache.lucene.queryParser.*;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopScoreDocCollector;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.store.LockObtainFailedException;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.index.CorruptIndexException;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.store.RAMDirectory;
import org.apache.lucene.util.Version;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
public class LuceneSimple {
private static void addDoc(IndexWriter w, String value) throws IOException {
Document doc = new Document();
doc.add(new Field("title", value, Field.Store.YES, Field.Index.ANALYZED));
w.addDocument(doc);
}
public static void main(String[] args) throws CorruptIndexException, LockObtainFailedException, IOException, ParseException {
File dir = new File("F:/tmp/dir");
StandardAnalyzer analyzer = new StandardAnalyzer(Version.LUCENE_30);
Directory index = new RAMDirectory();
//Directory index = FSDirectory.open(new File("lucDirHello") );
IndexWriter w = new IndexWriter(index, analyzer, true, IndexWriter.MaxFieldLength.UNLIMITED);
w.setRAMBufferSizeMB(200);
System.out.println(index.getClass() + " RamBuff:" + w.getRAMBufferSizeMB() );
addDoc(w, "Lucene in Action");
addDoc(w, "Lucene for Dummies");
addDoc(w, "Managing Gigabytes");
addDoc(w, "The Art of Computer Science");
addDoc(w, "Computer Science ! what is that ?");
Long N = 0l;
for( File f : dir.listFiles() ){
BufferedReader br = new BufferedReader( new FileReader(f) );
String line = null;
while( ( line = br.readLine() ) != null ){
if( line.length() < 140 ) continue;
addDoc(w, line);
++N;
}
br.close();
}
w.close();
// 2. query
String querystr = "Computer";
Query q = new QueryParser( Version.LUCENE_30, "title", analyzer ).parse(querystr);
//search
int hitsPerPage = 10;
IndexSearcher searcher = new IndexSearcher(index, true);
TopScoreDocCollector collector = TopScoreDocCollector.create(hitsPerPage, true);
searcher.search(q, collector);
ScoreDoc[] hits = collector.topDocs().scoreDocs;
System.out.println("Found " + hits.length + " hits.");
for(int i=0;i<hits.length;++i) {
int docId = hits[i].doc;
Document d = searcher.doc(docId);
System.out.println((i + 1) + ". " + d.get("title"));
}
searcher.close();
}
}
- smartnut007
1
你可以将“File dir”变量设置为你需要索引的目录。 - smartnut007
网页内容由stack overflow 提供, 点击上面的可以查看英文原文，
原文链接
原文链接
QueryParser parser = new QueryParser(Version.LUCENE_30, "computer", analyzer);，即你将第二个参数（默认字段）设置为"computer"，然后在没有限定符的情况下进行搜索。Lucene 尝试使用默认字段"computer"来查找术语"computer"，由于你的文档没有这样的字段，所以 Lucene 失败了。使用QueryParser parser = new QueryParser(Version.LUCENE_30, "content", analyzer);或者带限定符的搜索：Query query = parser.parse("content:computer");。 - ffriend