2006-10-31

用Lucene构造简单搜索！

Lucene是一个开源世界里最有名的搜索引擎包，关于它的介绍现在网络上也有很多了，特别是车东的文章http://www.chedong.com/tech/lucene.html，网上流传至广。现在还有一本《Lucene In Action》的电子书是详细介绍的Lucene，可以down下来看。今天先来对硬盘文件实现简单的索引和搜索功能。

用Lucene建立索引步骤：
    [1]指定索引源文件夹（dataDir）和索引的文件夹（IndexDir）;

    [2]构造一个IndexWriter:IndexWriter构造器有三个参数，其中第一个参数可以是Lucene内建的类Directory，也可以是File类型的文件夹路径，还可以是String类型的文件夹路径。第二个参数为语法分析器Analyzer,Lucene自带了几个分析器的，但是对中文支持都不是很好，我在网上找了两个，效果还不错。待会将放下面供大家下载。这个参数的指定，比如我用自己的CWordAnalyzer可以直接用new CWordAnalyzer()。最后一个参数是要注意的，Lucene Api解释为“true to create the index or overwrite the existing one; false to append to the existing index”，就是说在这里设定是否增量增加索引，在开发的时候得考虑了，设true将导致每次索引都删除原索引重建，但是如果原来不存在索引而设置为false也将导致lucene抛出找不到指定文件的错误。

    [3]构造Document，通过add方法加入字段： 
    		
		Document doc = new Document();
		doc.add(Field.Text("contens",new FileReader(f)));
		doc.add(Field.UnIndexed("filename",f.getCanonicalPath()));
    其中Feild方法有很多种，可以去车东的文章查看详细。f为dataDir文件夹中的文本文件。

    [4]IndexWriter通过addDocument(doc)加入document对象，此时lucene将启动分词器对Document对象进行分词索引；

    [5]调用IndexWriter的optimize方法对索引进行优化，因为在索引过程中难免产生文件碎屑，该方法对文件进行优化可以提高检索效率；

    [6]关闭IndexWriter：IndexWriter.close()。

到此索引建好了，开始搜索部分。
用Lucene进行搜索：
    [1]创建IndexSearcher实例，其构造方法有三个，单参数，可以用String形式的索引文件夹路径；

    [2]创建Query ：
    Query query = QueryParser.parse(q,"contents",new Analyzer());

    其中q为查询字符串，“contents”为查询字段。
    [list][3]搜索：
    Hits hits = indexwriter.search(query)

    hits由Document类型组成。可以通过hits.doc(i)获取具体的Document对象

可以看到用lucene进行索引和搜索都很简单。
  • je-analysis.rar (877.9 KB)
  • 描述: 极易分词,analyzer是MMAnalyzer
  • 下载次数: 397
  • segment.rar (1.7 MB)
  • 描述: 来自台湾的分词，analyzer为CWordAnalyzer
  • 下载次数: 462
评论
javaeyes 2007-01-28
两个分词都自带词典，第一个速度快，但是效果没有第二个好
hintcnuie 2007-01-25
上面这两个分词那个好些？
非飞 2007-01-10
能不能简单的说说两个分词程序。。。
javaeyes
搜索本博客
我的相册
49127034-b1a1-4d37-9b8b-e979fef3fa87-thumb
J2SE
共 1 张
最近加入圈子
存档
最新评论
评论排行榜