建立简单的信息检索系统（下）

上回，我们讲到了建立简单的信息检索系统的前两步骤，下面继续。

 

3.  建立索引

简单说一下索引建立过程：取得一个搜索文档，用分词器进行分词，为分词后的搜索文档建立Document文档（如果是多个搜索文档，也可以只建一个Document或者多个），并向Document加入一些文件信息（如：搜索文档的文件名、文件内容），即给每一个Document添加Field。这里的Field可以是任何想要搜索的类型。如，以文件名搜索，则给文件名建立Field。

 

public void createIndex(String inputDir){ try { //以MMAnalyzer作为分词工具创建一个IndexWriter IndexWriter writer = new IndexWriter( Constants.INDEX_STORE_PATH ,//在该路径下取得搜索文档 new MMAnalyzer() , true); File filesDir = new File(inputDir); //取得所有需要建立文件索引的文件数组 File[] files = filesDir.listFiles(); //遍历数组 for(int i=0;i<files.length;i++){ //获取文件名 String fileName = files[i].getName(); //判断文件是不是txt文件 if(fileName.substring(fileName.lastIndexOf(".")).equals(".txt")){ //创建一个新的Document Document doc = new Document(); //为文件名创建一个Field Field field = new Field("filename" , files[i].getName() , Field.Store.YES , Field.Index.TOKENIZED); doc.add(field); //为文件内容创建一个Field //这里有一个loadFileToString()方法，是从文件中把内容读出，所有内容放在一个String中返回 field = new Field("content" , loadFileToString(files[i]) , Field.Store.NO , Field.Index.TOKENIZED); doc.add(field); //把Ducument加入到IndexWriter writer.addDocument(doc); } } //IndexWriter(索引器)开启后，一定不要忘记关闭 //若不关闭则会发现索引目录内除了一个segments文件外一无所有 //这样会导致索引的数据滞留在缓存中，未写入磁盘， //有可能连目录的锁也没有去除 //下次加入索引文件时，会提示目录处于锁定状态，无法加入文件 writer.close(); } catch (IOException e) { e.printStackTrace(); } }

 

 

4.  进行搜索

搜索时，一定要明确搜索关键字和搜索类型。即，我要用以搜索文件名的方式搜索叫xxx的文件。在这里，搜索关键字和搜索类型统称Term，一个搜索单元。显而易见，TermDocs里有若干个Term(搜索单元)。

 

 

 public void indexSearch(String searchType , String searchKey){ try { //根据索引位置建立IndexSearcher IndexSearcher searcher = new IndexSearcher(Constants.INDEX_STORE_PATH); //建立搜索单元，searchType代表要搜索的Field //searchKey 代表 搜索关键字 Term t = new Term(searchType , searchKey); //获取一个<document , frequency>的枚举对象termDocs TermDocs termDocs = searcher.getIndexReader().termDocs(t); while(termDocs.next()){ //输出文档中出现关键词的次数 System.out.println("/n该关键词在文档中出现了" + termDocs.freq() + "次"); //输出文档中出现关键词的文档 System.out.println(searcher.getIndexReader().document(termDocs.doc())); } } catch (IOException e) { // TODO Auto-generated catch block e.printStackTrace(); } } }

 

 

5.  返回有价值信息

已经在上面的System.out.println()语句中输出。

 

 

以上便是信息检索系统的基本原理，希望能给有心人带来些帮助。