Lucene 3.3 学习笔记 1 介绍

分类： Information retrieval2011-08-30
23:05 498人阅读 评论(0) 收藏 举报

Lucene 3.3 学习笔记 1 Lucene 3.3 学习笔记 1 包架构

------------------------

1. Lucene介绍

Lucene的作者说过，Lucene只是一个高效的全文搜索引擎库，而不是一个平台，提供了非常简单的API，使其可以满足用户对全文索引的需求。
http://lucene.apache.org/java/docs/index.html
这里可以下载到最新的Lucene库，其中的wiki是一个不错的学习的地方
http://wiki.apache.org/lucene-java/FrontPage?action=show&redirect=FrontPageEN
目前有很多网站和软件用到了Lucene，如社交网站LinkedIn和苹果的ITunes软件中都用到了Lucene来做实时与全文索引。

2. Lucene架构包介绍

2.1 文档的一个对象模型抽象库 - Document

这个库提供了索引文档对象的一个抽象，所有的文档对于Lucene来说都是一个Document抽象。

Document => [Field1,Field2,...,FieldN]

Field => [Term1,Term2,...,TermN]

2.2 文本解析库 - Analysis

这个库是对文本进行解析，得到相应的Term对象，在Index与Searcher的时候都会用到，在索引过程中，它会对被索引的文件进行解析，而在搜索过程中，它会对查询条件进行解析。

2.3 索引库 - Index

它主要是用来对文档建立索引，对索引进行维护（更新索引，优化索引等），为查询提供访问接口。

2.4 存储库 - store

它主要是用来存储索引内容的，这里提供了两种存储方式，一种是磁盘存储，另一个是内存存储。

2.5 查询库 - search

它主要是为用户提供查询接口的，对用户的查询结果进行评估，并返回与用户最相关的查询信息。

2.6 工具库 - util

主要是为上面的库提供一些I/O或者算法方法的工具类

3. 简单的例子

当你下载了Lucene的可执行包后，会在contrib中有一个中demo的目录，其中就是对Lucene的简单使用，下面对其进行相应的分析。

3.1 索引

这里的索引就是对文档建立索引，以方便用户查询，我们看org.apache.lucene.demo.IndexFiles.java就是完成这样的一个工作。下面我们来看一下它的主要的源代码：

[html] view
plaincopy

//~1 这里生成一个索引目录

Directory dir = FSDirectory.open(new File(indexPath));

//~2 生成一个标准的分析器，如果你要用自己的分词器，可以扩展Analyzer与Tokenizer类

Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_31);

//~3 这里对索引进行配置

IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_31, analyzer);

// 是索引建立一个新的索引还是进行增量索引

if (create) {

// Create a new index in the directory, removing any

// previously indexed documents:

iwc.setOpenMode(OpenMode.CREATE);

} else {

// Add new documents to an existing index:

iwc.setOpenMode(OpenMode.CREATE_OR_APPEND);

}

/ 配置索引的内存，以提高索引效率

// Optional: for better indexing performance, if you

// are indexing many documents, increase the RAM

// buffer. But if you do this, increase the max heap

// size to the JVM (eg add -Xmx512m or -Xmx1g):

//

// iwc.setRAMBufferSizeMB(256.0);

//~4 生成一个索引输出类，用于写了索引内容

IndexWriter writer = new IndexWriter(dir, iwc);

//~5 索引文档

// 这里主要是读出要索引目录中的文件，生成相应的抽象文档对象，

// 然后调用IndexWriter的addDocument或者是updateDocuemtn来建立或者更新索引。

indexDocs(writer, docDir);

// 是否进行索引优化，

// NOTE: if you want to maximize search performance,

// you can optionally call optimize here. This can be

// a costly operation, so generally it's only worth

// it when your index is relatively static (ie you're

// done adding documents to it):

//

// writer.optimize();

//~6 关闭索引写出器

writer.close();

3.2 查询

这里的查询主要是对索引好的数据进行查询操作，在org.apache.lucene.demo.SearchFiles.java中可以看到相应的查询代码，部分主要代码如一下：

[html] view
plaincopy

//~1 生成一个索引查询器，输入为索引目录

IndexSearcher searcher = new IndexSearcher(FSDirectory.open(new File(index)));

//~2 生成一个查询条件的分析器

Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_31);

//~3 生成一个查询的分析器，主要是对查询条件进行分析，生成相应的Query

QueryParser parser = new QueryParser(Version.LUCENE_31, field, analyzer);

//~4 对查询条件进行分析，产生相应的Query对象

Query query = parser.parse(line);

System.out.println("Searching for: " + query.toString(field));

//~5 调用索引查询对象的search方法进行索引查询，得到查询结果

TopDocs results = searcher.search(query, null, 100);

4. 总结

这里对Lucene做了一个简单的分析，再结合索引与查询的API调用来简单了解一下其使用方法。