DotLucene:37行代码全文搜索
2005-04-26 16:07
429 查看
作者 Samuel Chen |
2005-02-25 16:15 |
DotLucene是一个强有力的开源全文搜索引擎,它是从Apache的Lucene(java)项目移植到.Net(C#)上的。 DotLucene的效率非常高,并且还具有对搜索结果评级、高光、搜索非结构数据以及本地化等特点。它还和Lucene的索引兼容,因此你可以在不同的平台间迁移而不会丢失任何索引数据。 本文介绍了如何通过简洁的代码来使用DotLucene完成全文搜索功能。 本文翻译自CodeProject上 Dan Letecky 的 DotLucene: Full-Text Search for Your Intranet or Website using 37 Lines of Code 一文,文章版权为原作者所有。 译者:Samuel Chen 本文源代码下载 - 363 Kb DotLucene在线演示 Download下载包含预生成索引和HTML文档的源代码 [链接] DotLucene: 优秀的全文搜索引擎 有可能用37行代码写一个全文搜索么? 恩,我正准备使点小技巧用DotLucene来完成这个麻烦的工作. DotLucene 是一个Jakarta Lucene搜索引擎的移植项目,该项目由 George Aroush et al 维护。下面是它的一些特性: 它能被用在 ASP.NET、WinForms 或者 console 应用; 非常高效的性能; 搜索结果评级; 搜索结果中查询关键字高光 ; 搜索结构化和非结构化数据; Metadata 搜索 (时间查询、搜索指定域/字段...) 索引大小大约是索引文本的30%; 并且能存储所有编入索引的文档 Can store also full indexed documents 纯.Net托管代码,单个执行文件 (244 kB) 非常友好的许可 (Apache Software License 2.0) 本地化 (支持 巴西语、捷克语、中文、荷兰语、英语、法语、日语、韩语和俄语) 可扩展 (源代码已包含) 注意 不要过于在意代码行数。我将用不超过37行代码给你演示他的核心功能,但是要做成一个真正实用的应用,你还需要花更多的时间... 演示项目 这里,我们将做一个简单的项目演示怎么去做到如下几点: 索引在指定目录(包括子目录)中找到的Html文件 用一个ASP.NET应用程序来搜索索引 搜索结果中高亮显示查询的单词 DotLucene还具有更多的潜力。在实际的应用中你大概想这么去做: 当目录中怎就新文档时添加到索引,而不用重新编译整个索引 包含各种文件类型。DotLuncene能够索引任何能转换成纯文本的文件类型 为什么不使用微软索引服务(Microsoft Indexing Server)? 如果你喜欢用索引服务,没问题。然而,使用DotLucene会有更多好处: DotLucene 是一个100%托管代码的单执行文件,不需要任何依赖 它能被使用到一个共享主机。如果事先准备好索引,你可以不需要磁盘的写权限 使用它,你可以从任何源((数据库、网站...)索引任何类型数据(电子邮件、XML、HTML文件...)。那是因为你需要提供纯文本给索引器(Indexer),载入和解析取决于你 允许你选择要包含在索引中的指定属性("字段"),从而你可以使用这些字段来搜索(例如,作者、日期、关键字等) 它是一个开源软件 它易于扩展 第1行:建立索引 下面的代码从存盘存储建立一个新的索引,directory是存储索引的目录路径参数。 IndexWriter writer = new IndexWriter(directory, new StandardAnalyzer(), true); 这个例子中我们总是重新创建索引(In this example we always create the index from scratch),但这不是必须的,你也可以打开一个已有的索引并添加文档进去。你还可以通过删除然后添加它们的新版本来更新现存的文档(译注:这里应该是指对象的创建) 第2 - 12行:添加文档 我们为每一个HTML文档添加两个字段到索引: "text" 字段,容纳HTML文件的文本内容(去除了标记),文本数据本身并不会存储在索引中 "path" 字段,容纳文件路径,它将会被(索引并)完整的存入索引中 public void AddHtmlDocument(string path) { Document doc = new Document(); string rawText; using (StreamReader sr = new StreamReader(path, System.Text.Encoding.Default)) { rawText = parseHtml(sr.ReadToEnd()); } doc.Add(Field.UnStored("text", rawText)); doc.Add(Field.Keyword("path", path)); writer.AddDocument(doc); }第13 - 14行:优化并保存索引 添加完文档后,你需要关闭索引器。使用优化将会提高搜索性能。 writer.Optimize(); writer.Close(); 第15行:打开索引搜索 在做任何搜索之前,你需要打开索引。directory参数是存储索引的目录路径。 IndexSearcher searcher = new IndexSearcher(directory);第16 - 27行:搜索 现在,我们解析查询了("text"是默认搜索字段) Query query = QueryParser.Parse(q, "text", new StandardAnalyzer()); Hits hits = searcher.Search(query); 变量hits是搜索结果文档的集合,我们将通过它来将结果存储到DataTable DataTable dt = new DataTable(); dt.Columns.Add("path", typeof(string)); dt.Columns.Add("sample", typeof(string)); for (int i = 0; i < hits.Length(); i++) { // get the document from index Document doc = hits.Doc(i); // get the document filename // we can't get the text from the index because we didn't store it there DataRow row = dt.NewRow(); row["path"] = doc.Get("path"); dt.Rows.Add(row); }第28 - 37行:高亮Lines 28 - 37: Query Highlighting 我们先创建一个高亮器对象highlighter,并将使用加黑(bold)字体来高亮显示(<B>查询词</B>)。 QueryHighlightExtractor highlighter = new QueryHighlightExtractor(query, new StandardAnalyzer(), "<B>", "</B>"); 通过对结果遍历,我们将载入原文中最相似的部分。 for (int i = 0; i < hits.Length(); i++) { // ... string plainText; using (StreamReader sr = new StreamReader(doc.Get("filename"), System.Text.Encoding.Default)) { plainText = parseHtml(sr.ReadToEnd()); } row["sample"] = highlighter.GetBestFragments(plainText, 80, 2, "..."); // ... }资源 DotLucene download Run DotLucene online demo DotLucene online demo notes DotLucene documentation |
相关文章推荐
- DotLucene:37行代码实现全文搜索
- 昨日关注:DotLucene:37行代码全文搜索
- DotLucene:37行代码实现全文搜索
- DotLucene:37行代码实现全文搜索
- DotLucene:37行代码全文搜索
- DotLucene:37行代码全文搜索
- zz:DotLucene:37行代码实现全文搜索
- DotLucene:37行代码实现全文搜索
- DotLucene:37行代码全文搜索
- ack-grep 代码全文搜索
- 如何使用ABAP Restful API进行代码的全文搜索
- [阅读笔记]仅用37行代码构造网站的全文检索
- php 全文搜索和替换的实现代码
- Linq实践系列(1):一行代码实现DataTable全文搜索(Full Text Search)
- 使用ElasticSearch6.0快速实现全文搜索功能的示例代码
- php 全文搜索和实现替换的代码
- php 全文搜索和替换的实现代码
- Linq实践教程(1):一行代码实现DataTable全文搜索(Full Text Search)
- SQL SERVICE 2000的全文搜索的整理
- c++实现树的广度搜索和深度搜索完整代码