Lucene入门以及简单实例

 

其实，lucene是一个很容易上手的搜索引擎框架，传统的搜索引擎，涉及到爬虫，也就是爬取网

页，然后对网页进行加工，也就是索引，最后用于搜 索，lucene这个框架可以很方便的帮你做

到后面两个步骤，也就是索引和搜索！本文尝试通过一个例子，使大家掌握lucene的使用核心方

法，包括分 词、索引、搜索不同的目录、搜索不同的域，希望大家通过这个实例，对lucene和

搜索引擎能有比较全面的认识！

 

Lucene的使用，简单来说可以划分为两种类型，一是建立索引，二是搜索内容。

一、建立索引的五个基础类 Document, Field, IndexWriter, Analyzer, Directory

1、Document类：用来描述文档，这里的文档可以指一个HTML页面，一封电子邮件，或者是一

个文本文件。一个 Document 对象由多个Field对象组成的。可以把一个Document对象想象成数

据库中的一个记录，而每个Field对象就是记录的一个字段。

2、Field类：用来描述一个文档的某个属性，比如一封电子邮件的标题和内容可以用两个Field对

象分别描述。

3、Analyzer类：用来对文档内容进行分词处理，Analyzer 类是一个抽象类，它有多个实现，针

对不同的语言和应用需要选择适合的Analyzer，Analyzer会把分词后的内容交给IndexWriter来建

立索引。

4、IndexWriter类：用来创建索引的一个核心类，作用是把一个个的Document对象加到索引中

来。

5、Directory 类：表示索引文件存储位置的抽象类。有两个常用的子类：

    * FSDirectory — 在实际文件系统中存储索引的 Directory 实现。该类对于大型索引非常有用

。
    * RAMDirectory — 在内存中存储所有索引的实现。该类适用于较小的索引，可以完整加载到

内存中，在应用程序终止之后销毁。由于索引保存在内存中，所以速度相对较快。

 

二、搜索内容的四个基础类：Searche、Term、Query和TopDocs   

1、Searcher 是一个抽象基类，包含各种超负荷搜索方法。IndexSearcher 是一个常用的子类，

允许在给定的目录中存储搜索索引。Search 方法返回一个根据计算分数排序的文档集合。

Lucene 为每个匹配给定查询的文档计算分数。IndexSearcher 是线程安全的；一个实例可以供多

个线程并发使用。

2、Term 是搜索的基本单位。它由两部分组成：单词文本和出现该文本的字段的名称。Term 对

象也涉及索引编制，但是可以在 Lucene 内部创建。

3、Query 和子类

Query 是一个用于查询的抽象基类。搜索指定单词或词组涉及到在项中包装它们，将项添加到查

询对象，将查询对象传递到 IndexSearcher 的搜索方法。

lucene中支持模糊查询，语义查询，短语查询，组合查询等等,如有TermQuery,BooleanQuery,RangeQuery,WildcardQuery等一些类。

QueryParser: 是一个解析用户输入的工具，可以通过扫描用户输入的字符串，生成Query对象

Lucene 包含各种类型的具体查询实现，比如 TermQuery、BooleanQuery、PhraseQuery、

PrefixQuery、RangeQuery、 MultiTermQuery、FilteredQuery、SpanQuery 等。以下部分讨论

Lucene 查询 API 的主查询类。

4、TopDocs    封装搜索结果以及 ScoreDoc 的总数

 
一个最简单的Lucene例子，展示Lucene中重要的几个类IndexWriter、Directory、Analyzer、

Document、Field、IndexSearcher、Term、Query、TermQuery、TopDocs的简单用法。

package com.test;

import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.queryParser.MultiFieldQueryParser;
import org.apache.lucene.search.BooleanClause;
import org.apache.lucene.search.Hits;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.MultiSearcher;
import org.apache.lucene.search.Query;

/**
 * 这个实例包含了lucene所有核心用法
 *
 * @author panhuizi
 *
 */
public class LuceneTest {

 public static void main(String[] args) {
  try {
   LuceneTest luceneTest = new LuceneTest();
   // 创建索引
   luceneTest.index();
   // 在索引所在目录下搜索"中国 金牌"
   luceneTest.search("中国 金牌");
  } catch (Exception e) {
   e.printStackTrace();
  }
  System.out.println("ok");
 }

 public void index() throws Exception {
  /* 创建索引初始化，执行这些语句将创建或清空d:\\save\\目录下所有索引

*/
  IndexWriter writer1 = new IndexWriter("d:\\save\\",
    new StandardAnalyzer(), true);
  writer1.close();

  /*
   * 往创建的初始化索引中添加索引内容，StandardAnalyzer表示用lucene自

带的标准分词机制，
   * false表示不覆盖原来该目录的索引，细心的读者可能已经发现， 这句话

和上面的那句就这个false不一样
   */
  IndexWriter writer2 = new IndexWriter("d:\\save\\",
    new StandardAnalyzer(), false);
  /* 创建一份文件 */
  Document doc1 = new Document();
  /*
   * 创建一个域ArticleTitle，并往这个域里面添加内容 "Field.Store.YES"表示

域里面的内容将被存储到索引
   * "Field.Index.TOKENIZED"表示域里面的内容将被索引，以便用来搜索
   */
  Field field1 = new Field("ArticleTitle", "北京2008年奥运会",

Field.Store.YES,
    Field.Index.TOKENIZED);
  /* 往文件里添加这个域 */
  doc1.add(field1);
  /* 同理：创建另外一个域ArticleText，并往这个域里面添加内容 */
  Field field2 = new Field("ArticleText", "这是一届创造奇迹、超越梦想的奥

运会.......",
    Field.Store.YES, Field.Index.TOKENIZED);
  doc1.add(field2);
  // 在这里还可以添加其他域
  /* 添加这份文件到索引 */
  writer2.addDocument(doc1);

  /* 同理：创建第二份文件 */
  Document doc2 = new Document();
  field1 = new Field("ArticleTitle", "中国获得全球赞誉", Field.Store.YES,
    Field.Index.TOKENIZED);
  doc2.add(field1);
  field2 = new Field("ArticleText", "中国所取得的金牌总数排行榜的榜

首........",
    Field.Store.YES, Field.Index.TOKENIZED);
  doc2.add(field2);

  writer2.addDocument(doc2);

  // 在这里可以添加其他文件

  /* 关闭 */
  writer2.close();
 }

 public void search(String serchString) throws Exception {
  /* 创建一个搜索，搜索刚才创建的d:\\save\\目录下的索引 */
  IndexSearcher indexSearcher = new IndexSearcher("d:\\save\\");
  /* 在这里我们只需要搜索一个目录 */
  IndexSearcher indexSearchers[] = { indexSearcher };
  /* 我们需要搜索两个域"ArticleTitle", "ArticleText"里面的内容 */
  String[] fields = { "ArticleTitle", "ArticleText" };
  /* 下面这个表示要同时搜索这两个域，而且只要一个域里面有满足我们搜

索的内容就行 */
  BooleanClause.Occur[] clauses = { BooleanClause.Occur.SHOULD,
    BooleanClause.Occur.SHOULD };
  /*
   * MultiFieldQueryParser表示多个域解析，
   * 同时可以解析含空格的字符串，如果我们搜索"中国 金牌"，根据前面的

索引，显然搜到的是第二份文件
   */
  Query query = MultiFieldQueryParser.parse(serchString, fields, clauses,
    new StandardAnalyzer());
  /* Multisearcher表示多目录搜索，在这里我们只有一个目录 */
  MultiSearcher searcher = new MultiSearcher(indexSearchers);
  /* 开始搜索 */
  Hits h = searcher.search(query);
  /* 把搜索出来的所有文件打印出来 */
  for (int i = 0; i < h.length(); i++) {
   /* 打印出文件里面ArticleTitle域里面的内容 */
   System.out.println(h.doc(i).get("ArticleTitle"));
   /* 打印出文件里面ArticleText域里面的内容 */
   System.out.println(h.doc(i).get("ArticleText"));
  }
  /* 关闭 */
  searcher.close();
 }
}