lucene使用

lucene使用

一、lucene简介

lucene是一个全文检索工具包，用于对大量数据，进行基于关键字查询。通常经过分词、建立索引、基于索引查询的过程。

二、lucene知识点

2.1 Directory

Directory，索引库,如内存索引(RAMDirectory)、硬盘上索引(FSDirectory)。还包括索引库控制IndexWriterConfig，包括三种方式：

• IndexWriterConfig.OpenMode.CREATE,创建或覆盖已经存在的索引；
• IndexWriterConfig.OpenMode.APPEND,追加已经存在的索引；
• IndexWriterConfig.OpenMode.CREATE_OR_APPEND,创建或追加已经存在的索引；

2.2 Document

Document，文档的建立，在lucene中，索引的建立和索引的查询都是基于文档的，需要注意的是文档中Field属性，主要包括以下几项：

• tokenized,即Analyzer把输入的字符串流解析为单词序列，也就是token流，或者说tokenized；
• indexed,即加入到索引中；
• Field.Store ,是否将原始串存储。

2.3 Field

Field,文档域，下面相关模式:

• StringField,索引（indexed），不切词（no tokenized），也就是整个串就是一个token;
• TextField ,索引（indexed），切词（tokenized）;
• StoredField ,不索引（no indexed），不切词（no tokenized），仅进行存储，便于在结果中查看；
• IntPoint ,索引，可用于范围查询;
• LongPoint,索引，可用于范围查询;
• FloatPoint,索引，可用于范围查询;
• DoublePoint,索引，可用于范围查询;
• SortedDocValuesField,索引，可用于排序查询;
• SortedSetDocValuesField,索引，可用于集合排序查询;
• NumericDocValuesField,指定文档分数。

2.4 Term

Term，切词，也就是把需要建立索引的句子切分，分解成一个一个的单词，

通常使用Analyzer进行切分,analyzer切分有多种具体的实现方式，下面列出部分：

• StandardAnalyzer，基于字的切分；
• CJKAnalyzer ，二元覆盖，即基于两个字的切分，这时会出现其中一个字重叠的情况；
• HanLPAnalyzer ， 汉语言的一种分词方式，一会我们将使用这个做实例介绍。

2.5 IndexWriter

IndexWriter，索引建立，将之前建立的索引加入索引库中 ，需要注意的是，可以使用term对文档进行唯一定位。

索引库的操作有：

• addDocument ，添加索引；
• updateDocuments，修改索引；
• deleteDocuments，删除索引；

2.6 IndexSearcher

IndexSearcher, 索引查询，索引的查询方法有多种方式，即Query下面列出部分：

• QueryParser,查询分词列;
• RangeQuery，区间查询；
• PrefixQuery，前缀查询；
• TermQuery，基本词查询，查询不切分的字段；
• MultiTermQuery，多词查询；
• WildcardQuery,通配符查询，注意此查询很慢，且开头不能使用*;
• BooleanQuery，布尔查询；
• FieldScoreQuery，函数查询。
• FuzzyQuery, 模糊查询，也就是根据相似度查询，

三、lucene实例

3.1 添加maven依赖

<properties>
    <lucene.version>6.5.0</lucene.version>
</properties>

<dependencies>
    <dependency>
        <groupId>org.apache.lucene</groupId>
        <artifactId>lucene-core</artifactId>
        <version>${lucene.version}</version>
    </dependency>

    <dependency>
        <groupId>org.apache.lucene</groupId>
        <artifactId>lucene-queryparser</artifactId>
        <version>${lucene.version}</version>