lucene查询方式介绍

本文首先介绍Lucene一些产用实体类介绍。重点介绍Lucene的集中查询方式。

1、Analysis：分词器

Analysis包含一些内建的分析器，例如按空白字符分词的WhitespaceAnalyzer，添加了stopwrod过滤的StopAnalyzer，最常用的StandardAnalyzer。

2、Documet：文档

就是我们的源数据的封装结构，我们需要把源数据分成不同的域，放入到documet里面，到时搜索时也可以指定搜索哪些域（Field）了。

3、Directory : 目录

这是对目录的一个抽象，这个目录可以是文件系统上面的一个dir(FSDirectory)，也可以是内存的一块(RAMDirectory)，MmapDirectory为使用内存映射的索引。放在内存的话就会避免IO的操作耗时了,根据需要选择就是了。

4、IndexWriter ： 索引书写器，也就是维护器，对索引进行读取和删除操作的类

5、IndexReader ： 索引读取器，用于读取指定目录的索引。

6、IndexSearcher ： 索引的搜索器，就是把用户输入拿到索引列表中搜索的一个类

需要注意的是，这个搜索出来的就是（TopDocs）索引号，还不是真正的文章。

7、Query ： 查询语句，我们需要把我们的查询String封装成Query才可以交给Searcher来搜索 ,查询的最小单元是Term，Lucene的Query有很多种，根据不同的需求选用不同的Query就是了.

i. TermQuery:

如果你想执行一个这样的查询：“在content域中包含‘lucene’的document”，那么你可以用TermQuery：

  
  

   
   Term t 
   
   =
   
    
   
   new
   
    Term(
   
   "
   
   content
   
   "
   
   , 
   
   "
   
    lucene
   
   "
   
   ); 

Query query 
   
   =
   
    
   
   new
   
    TermQuery(t);

  
  

ii. BooleanQuery:多个query的【与或】关系的查询

如果你想这么查询：“在content域中包含java或perl的document”，那么你可以建立两个TermQuery并把它们用BooleanQuery连接起来：

  
  

   
   TermQuery termQuery1 
   
   =
   
    
   
   new
   
    TermQuery(
   
   new
   
    Term(
   
   "
   
   content
   
   "
   
   , 
   
   "
   
   java
   
   "
   
   ); 

TermQuery termQuery 
   
   2
   
    
   
   =
   
    
   
   new
   
    TermQuery(
   
   new
   
    Term(
   
   "
   
   content
   
   "
   
   , 
   
   "
   
   perl
   
   "
   
   ); 

BooleanQuery booleanQuery 
   
   =
   
    
   
   new
   
    BooleanQuery(); 

booleanQuery.add(termQuery1, BooleanClause.Occur.SHOULD); 

booleanQuery.add(termQuery2, BooleanClause.Occur.SHOULD);


  
  

iii. WildcardQuery ： 通配符的查询

如果你想对某单词进行通配符查询，你可以用WildcardQuery，通配符包括’?’匹配一个任意字符和’*’匹配零个或多个任意字符，例如你搜索’use*’，你可能找到’useful’或者’useless’：

Query query = new WildcardQuery(new Term("content", "use*");

iv. PhraseQuery ： 在指定的文字距离内出现的词的查询

你可能对中日关系比较感兴趣，想查找‘中’和‘日’挨得比较近（5个字的距离内）的文章，超过这个距离的不予考虑，你可以：

PhraseQuery query = new PhraseQuery();

query.setSlop(5);

query.add(new Term("content ", “中”));

query.add(new Term(“content”, “日”));

那么它可能搜到“中日合作……”、“中方和日方……”，但是搜不到“中国某高层领导说日本欠扁”。

v. PrefixQuery : 查询词语是以某字符开头的

如果你想搜以‘中’开头的词语，你可以用PrefixQuery：

PrefixQuery query = new PrefixQuery(new Term("content ", "中");

vi. FuzzyQuery ： 相似的搜索

FuzzyQuery用来搜索相似的term，使用Levenshtein算法。假设你想搜索跟‘wuzza’相似的词语，你可以：

Query query = new FuzzyQuery(new Term("content", "wuzza");

你可能得到‘fuzzy’和‘wuzzy’。

vii. TermRangeQuery : 范围内搜索

你也许想搜索时间域从20060101到20060130之间的document，你可以用TermRangeQuery：

TermRangeQuery query2 = TermRangeQuery.newStringRange("time", "20060101", "20060130", true, true);

最后的true表示用闭合区间。

8、TopDocs ：结果集，就是searcher搜索的结果，里面就是一些ScoreDoc，这个对象的doc成员就是这个Id了！

要想得到文章，那么就得需要用这个Id去取文章了，searcher提供了用id得到document的方法，于是就取到了数据了