Lucene总结

1.多字段查询

Occur.MUST                  and

Occur.MUST_NOT       not

Occur.SHOULD            or

多个关键字默认关系是或。

2.多索引器

1)建立多个索引:使用不同的索引目录,实例化不同的IndexWriter 
2)建立多索引搜索器: 
Searcher[] searchers = new SEARCHER[2]; 
Searchers[0] = new IndexSearcher(dir1); //搜索索引目录一 
Searchers[1]= new IndexSearcher(dir2);//搜索索引目录二 
Searcher searcher = new MultiSearcher(serarchers); 

3.检索结果评分

1. Explanation explanation = indexSearcher.explain(query, docID);  
2. System.out.println(explanation.toString());  

4.lucene优化

(1)setMergeFactor合并因子

决定了一个索引块中包括多少个文档，当硬盘上的索引块达到多少时，将它们合并成一个较大的索引块。当MergeFactor值较大时，生成索引的速度较快。

 IndexWriterConfig conf = new IndexWriterConfig(Version.LUCENE_36,analyzer);
 LogMergePolicy mergePolicy = new LogByteSizeMergePolicy();
 mergePolicy.setMergeFactor(3);
 conf.setMergePolicy(mergePolicy);

5.各种Query

TermQuery  词条搜索

RangeQuery   范围搜索

Term  beginTime=new  Term("time","2000");

Term  endTime=new Term("time","2050");

RangeQuery  query=new RangeQuery(beginTime,endTime,false);  //不包含边界值

PrefixQuery前缀搜索

Term prel=new Term("name","wor");

PrefixQuery  query=new PrefixQuery(prel);

PhraseQuery 短语搜索

(1)默认坡度为0

PhraseQuery  query=new PhraseQuery();

query.add(new Term("bookname","钢"));

query.add(new Term("bookname","铁"));

//搜索"钢铁"，而非"钢"和"铁"

(2)坡度为1

PhraseQuery  query=new PhraseQuery();

query.add(new Term("bookname","钢"));

query.add(new Term("bookname","铁"));

query.setSlop(1);

//搜索"钢铁"，或“钢”、"铁"中一字

MultiPhraseQuery多短语搜索

FuzzyQuery 模糊搜索

FuzzyQuery  query=new FuzzyQuery(new Term("content","work"));

FuzzyQuery  query=new FuzzyQuery(Term  term,float minimumSimilarity);

FuzzyQuery  query=new FuzzyQuery(Term term,float minimumSimilarity,int  prefixLength)

其中minimumSimilarity为最小相似度，越小则文档的数量越多。默认为0.5，其值必须小于1.0。prefixLength表示要有多少个前缀字母必须完全匹配。

WildcardQuery 通配符搜索

WildcardQuery  query=new WildcardQuery(new Term("content","?qq*"));

*表示0到多个字符

?表示一个单一的字符

RegexQuery  正则表达式查询

RegexQuery  query=new  RegexQuery(new Term("url",regex));

6.各种Analyzer

lucene分析器使用分词器和过滤器构成一个"管道"，分词器tokenizer将文本按照规则切分为一个个可以进入索引的小单位，tokenFilter对切出来的词进行进一步的处理(去掉敏感词、英文大小写转换等)。Tokenstream处理Reader对象的流式文本。

WhitespaceAnalyzer

以空格作为切词标准，不对语汇单元进行其他规范化处理。用于处理英文。

WhitespaceAnalyzer  wsa=new WhitespaceAnalyzer(Version.LUCENE_40);

TokenStream  ts=wsa.tokenStream("field",text);

CharTermAttribute  ch=ts.addAttribute(CharTermAttribute.class);

ts.reset();

while(ts.incrementToken())

{

ch.toString();

}

ts.end();

ts.close();

SimpleAnalyzer 简单分词器

以非字母符来分割文本信息，并将语汇单元统一转换为小写形式，并去掉数字类型的字符。

StopAnalyzer  停顿词分词器

停顿词分析器会去掉一些常有的a，the,an等，可以自定义禁用词。

//自定义停用词

String[]  self_stop_words={"word1","word2"};

CharArraySet  cas=new CharArraySet(Version.LUCENE_40,0,true);

for(int i=0;i<self_stop_words.length;i++)

{

cas.add(self_stop_words[i]);

}

//加入系统默认停用词

Iterator<Object>  itor=StopAnalyzer.ENGLISH_STOP_WORDS_SET.iterator();

while(itor.hasNext())

{

cas.add(itor.next());
}

StopAnalyzer  sa=new StopAnalyzer(Version.LUCENE_40,cas);

TokenStream  ts=sa.tokenStream("field",text);

CharTermAttribute  ch=ts.addAttribute(CharTermAttribute.class);

ts.reset();

while(ts.incrementToken())

{

  ch.toString();

}