lucene2.2.0学习实例

      org.apache.lucene包是纯java语言的全文索引检索工具包。
      Lucene的作者是资深的全文索引/检索专家，最开始发布在他本人的主页上，2001年10月贡献给APACHE，成为APACHE基金jakarta的一个子项目。lucene广泛用于全文索引/检索的项目中，目前已经有很多应用程序的搜索功能是基于 Lucene 的，比如 Eclipse 的帮助系统的搜索功能。Lucene 能够为文本类型的数据建立索引，所以你只要能把你要索引的数据格式转化的文本的，Lucene 就能对你的文档进行索引和搜索。比如你要对一些 HTML 文档，PDF 文档进行索引的话你就首先需要把 HTML 文档和 PDF 文档转化成文本格式的，然后将转化后的内容交给 Lucene 进行索引，然后把创建好的索引文件保存到磁盘或者内存中，最后根据用户输入的查询条件在索引文件上进行查询。不指定要索引的文档的格式也使 Lucene 能够几乎适用于所有的搜索应用程序。

     我在参考前人代码的时候，发现lucene2.2.0已经有了一些变化（很小），所以把我的代码共享出来。以下是我用lucene2.2.0包对文本文件进行索引和关键字查询的实例代码：

1.txtFileIndex.java
   主程序

/** */ /**
 * 使用lucene2.2.0对txt文件建立索引
 */
package  luceneTest;

import  java.io. * ;
import  java.util.Date;
import  org.apache.lucene.analysis.Analyzer;
import  org.apache.lucene.analysis.standard.StandardAnalyzer;
import  org.apache.lucene.index.IndexWriter;

/** */ /**
 * @author 红角（somesongs） 2007-9-20
 *         mail:hongjuesir@gmail.com
 *         msn:hongjue@live.com
 */
public   class  txtFileIndex  ... {

    /** *//**
     * @param args
     */
    public static void main(String[] args) ...{
        //索引存放目录
        File indexDir = new File("E:/JavaGo/luceneTestData/index");
        
        try...{
        if(args.length>0)...{
            //需索引的数据存放目录
            File dataDir = new File(args[0]);
            Analyzer luceneAnalyzer = new StandardAnalyzer();
            IndexWriter writer = new IndexWriter(indexDir,luceneAnalyzer,true);
            long startTime = new Date().getTime();
            IndexDir theIndexDir = new IndexDir();
            theIndexDir.indexDocs(writer,dataDir);
            writer.optimize();
            writer.close();
            long endTime = new Date().getTime();
            System.out.println("共花费"+(endTime-startTime)+"秒,索引文件存放在:"+indexDir.getCanonicalPath());
        }
        else...{
            System.out.println("请输入要查找的关键字：");
            String keyWords = new String();
            BufferedReader stdin = new BufferedReader(new InputStreamReader(System.in));
            keyWords = stdin.readLine();
            SearchIndex searchIndex = new SearchIndex();
            searchIndex.search(keyWords,indexDir);        
        }
        }
        catch(Exception e)...{
            System.out.println(e);
        }
        

    }

}

2.IndexDir.java
    对指定目录下的文本文件进行索引类

/** */ /**
 * 对目录中的文件建立索引
 */
package  luceneTest;

import  java.io. * ;
import  org.apache.lucene.document.Document;
import  org.apache.lucene.document.Field;
import  org.apache.lucene.index.IndexWriter;

/** */ /**
 * @author 红角（somesongs） 2007-9-20
 *         mail:hongjuesir@gmail.com
 *         msn:hongjue@live.com
 */
public   class  IndexDir  ... {
    
    IndexDir()...{}
    
    public void indexDocs(IndexWriter writer,File dataDir)
    ...{
        if(dataDir.isDirectory())...{
            File[] dataFiles = dataDir.listFiles();
            if(dataFiles!=null)...{
                for(int i=0;i<dataFiles.length;i++)...{
                    indexDocs(writer,dataFiles[i]);  //递归
                }
            }
        }
        else if(dataDir.getName().endsWith(".txt"))
        ...{
            indexFile(dataDir,writer);
        }
    }
    
    private void indexFile(File dataFile,IndexWriter writer)...{
        try...{
            System.out.println("正索引文件："+dataFile.getCanonicalPath());
            Document doc = new Document();
            Reader txtReader = new FileReader(dataFile);
            doc.add(new Field("path",dataFile.getCanonicalPath(),Field.Store.YES,Field.Index.UN_TOKENIZED));
            doc.add(new Field("contents",txtReader));
            writer.addDocument(doc);
        }
        catch(IOException e)...{
            System.out.println(e);
        }        
    }

}

3.SearchIndex.java
    对关键字进行搜索类

/** */ /**
 * 对关键字进行搜索
 */
package  luceneTest;

import  java.io.File;
import  org.apache.lucene.index.Term;
import  org.apache.lucene.search. * ;
import  org.apache.lucene.store.FSDirectory;

/** */ /**
 * @author 红角（somesongs） 2007-9-20
 *         mail:hongjuesir@gmail.com
 *         msn:hongjue@live.com
 */
public   class  SearchIndex  ... {
    
    SearchIndex()...{}
    
    public void search(String keyWords,File indexDir)...{
        if(!indexDir.exists())...{
            System.out.println("索引目录不存在！");
            return;
        }
        try...{
        FSDirectory indexDirectory = FSDirectory.getDirectory(indexDir);
        IndexSearcher searcher = new IndexSearcher(indexDirectory);
        Term term = new Term("contents",keyWords.toLowerCase());
        TermQuery termQuery = new TermQuery(term);
        Hits hits = searcher.search(termQuery);
        System.out.println("共有"+searcher.maxDoc()+"条索引，命中"+hits.length()+"条");
        for(int i=0;i<hits.length();i++)
        ...{
            int DocId = hits.id(i);
            String DocPath = hits.doc(i).get("path");
            System.out.println(DocId+":"+DocPath);
        }
        }
        catch(Exception e)...{
            System.out.println(e);
        }
    }

}

以上代码与以前版本的最大区别在于：

A.在《实战 Lucene，第 1 部分: 初识 Lucene》和 idior 大哥的是理论代码中：

document.add(Field.Text("path",dataFiles[i].getCanonicalPath()));
document.add(Field.Text("contents",txtReader));

而在lucene2.2.0中已经改变了，如下：
doc.add(new Field("path",dataFile.getCanonicalPath(),Field.Store.YES,Field.Index.UN_TOKENIZED));
doc.add(new Field("contents",txtReader));

Field需要新建一个实例，而不是静态调用了。

注：这可以说是我的第一个java程序，我是因为lucene才开始学习java的，代码可能有些不合理的地方，多多包含。

参考资料，总结一下：
http://lucene.apache.org/
http://www.chedong.com/tech/lucene.html
http://www.lucene.com.cn/rm.htm
http://www.ibm.com/developerworks/cn/java/j-lo-lucene1/(主要代码参考)
http://www.ibm.com/developerworks/cn/java/wa-lucene/
http://blog.csdn.net/duketang/archive/2006/01/10/575215.aspx(这个找不到出去，放一个转贴)
http://www.cnblogs.com/idior/articles/120301.html(主要代码参考)
http://www.rainsts.net/article.asp?id=313(主要代码参考)