lucene核心類詳解

建立索引

為了對文檔進行索引，Lucene 提供了五個基礎的類，他們分别是 Document, Field, IndexWriter, Analyzer, Directory。下面我們分别介紹一下這五個類的用途：

Document

Document 是用來描述文檔的，這裡的文檔可以指一個 HTML 頁面，一封電子郵件，或者是一個文本檔案。一個 Document 對象由多個 Field 對象組成的。可以把一個 Document 對象想象成資料庫中的一個記錄，而每個 Field 對象就是記錄的一個字段。

Field

Field 對象是用來描述一個文檔的某個屬性的，比如一封電子郵件的标題和内容可以用兩個 Field 對象分别描述。

Analyzer

在一個文檔被索引之前，首先需要對文檔内容進行分詞處理，這部分工作就是由 Analyzer 來做的。Analyzer 類是一個抽象類，它有多個實作。針對不同的語言和應用需要選擇适合的 Analyzer。Analyzer 把分詞後的内容交給 IndexWriter 來建立索引。

IndexWriter

IndexWriter 是 Lucene 用來建立索引的一個核心的類，他的作用是把一個個的 Document 對象加到索引中來。

Directory

這個類代表了 Lucene 的索引的存儲的位置，這是一個抽象類，它目前有兩個實作，第一個是 FSDirectory，它表示一個存儲在檔案系統中的索引的位置。第二個是 RAMDirectory，它表示一個存儲在記憶體當中的索引的位置。

熟悉了建立索引所需要的這些類後，我們就開始對某個目錄下面的文本檔案建立索引了，清單1給出了對某個目錄下的文本檔案建立索引的源代碼。

執行個體：

// IK分詞器 private Analyzer analyzer = new IKAnalyzer(false); private Document document; private IndexWriter writer; private static File indexFile = new File("d:\\index"); // 分詞 TokenStream tokenStream = analyzer.reusableTokenStream("text", new StringReader("中華人民共和國")); TermAttribute term = (TermAttribute) tokenStream .getAttribute(TermAttribute.class); while (tokenStream.incrementToken()) { System.out.println(term.term()); } // 建立索引 writer = new IndexWriter(FSDirectory.open(indexFile), analyzer, false, IndexWriter.MaxFieldLength.LIMITED); document = new Document(); document.add(new Field("content", "北京你好", Field.Store.YES, Field.Index.ANALYZED)); document .add(new Field("id", "3", Field.Store.YES, Field.Index.ANALYZED)); writer.addDocument(document); writer.close();

TokenStream 是分詞的結果，可以得到目前分詞器分詞的結果集。

搜尋文檔

利用Lucene進行搜尋就像建立索引一樣也是非常友善的。在上面一部分中，我們已經為一個目錄下的文本文檔建立好了索引，現在我們就要在這個索引 上進行搜尋以找到包含某個關鍵詞或短語的文檔。Lucene提供了幾個基礎的類來完成這個過程，它們分别是呢IndexSearcher, Term, Query, TermQuery, Hits. 下面我們分别介紹這幾個類的功能。

Query

這是一個抽象類，他有多個實作，比如TermQuery, BooleanQuery, PrefixQuery. 這個類的目的是把使用者輸入的查詢字元串封裝成Lucene能夠識别的Query。

IndexSearcher

IndexSearcher是用來在建立好的索引上進行搜尋的。它隻能以隻讀的方式打開一個索引，是以可以有多個IndexSearcher的執行個體 在一個索引上進行操作。

Sort

Sort 使用時通過執行個體化對象作為參數，通過 Searcher 類的 search 接口來實作。 Sort 支援的排序功能以文檔當中的域為機關，通過這種方 法，可以實作一個或者多個不同域的多形式的值排序。

實際使用排序對象 Sort 進行排序。主要有兩種模式，一種是以字元串表示文檔域的名稱作為參數指定域排序，一種是直接以排序域的包裝域的包裝類作為參數進行排 序。

TopDocs

搜尋的結果集，存放複合條件的document集合。

Highlighter

比對值的高亮顯示，document中和關鍵詞相比對時，結果顯示高亮

Query query = IKQueryParser.parse("content", "北京"); // 索引查詢器 IndexSearcher searcher = new IndexSearcher(FSDirectory.open(indexFile)); searcher.setSimilarity(new IKSimilarity()); Sort sort = new Sort(); sort.setSort(new SortField("id", SortField.INT, false)); TopDocs docs = searcher.search(query, null, 10, sort); System.out.println("比對對象個數：" + docs.totalHits); ScoreDoc[] s = docs.scoreDocs; Highlighter highlighter = null; SimpleHTMLFormatter simpleHTMLFormatter = new SimpleHTMLFormatter( "<b><font color='red'>", "</font></b>"); highlighter = new Highlighter(simpleHTMLFormatter, new QueryScorer( query)); // 這個100是指定關鍵字字元串的context的長度 highlighter.setTextFragmenter(new SimpleFragmenter(100)); List<Message> list = new ArrayList<Message>(); for (int i = 0; i < s.length; i++) { Document d = searcher.doc(s[i].doc); System.out.println(d.get("id")); System.out.println(d.get("content")); String content = highlighter.getBestFragment(analyzer, "content", d .get("content")); System.out.println(content); list.add(new Message(d.get("id"), content)); } System.out.println(list.size()); searcher.close(); }