使用Lucene2.3构建搜索引

Lucene不是一个完整的全文索引应用,而是是一个用Java写的全文索引引擎工具包,它可以方便的嵌入到各种应用中实现针对应用的全文索引/检索功能。
Lucene的作者:Lucene的贡献者Doug Cutting是一位资深全文索引/检索专家,曾经是V-Twin搜索引擎(Apple的Copland操作系统的成就之一)的主要开发者,后在 Excite担任高级系统架构设计师,目前从事于一些INTERNET底层架构的研究。他贡献出的Lucene的目标是为各种中小型应用程序加入全文检索功能。
Lucene的发展历程:早先发布在作者自己的 www.lucene.com,后来发布在SourceForge,2001年年底成为APACHE基金会jakarta的一个子项目: http://jakarta.apache.org/lucene/
已经有很多Java项目都使用了Lucene作为其后台的全文索引引擎
一、开始      首先在Apache下载Lucene 2.3.0包,其中包含了核心jar和LuceneAPI文档,解压后,将 lucene-core-2.3.0.jar放在classpath中。
二、创建索引
     创建索引时需要指定存放索引的目录(将来检索时需要对这个目录中的索引进行检索),和文件的目录(如果是对文件进行索引的话)代码如下:
  
    public void crateIndex() throws Exception {        File indexDir = new File( "D://luceneIndex" );
       // 存储索引文件夹
       File dataDir = new File( "D://test" );
       // 需要检索文件夹
Analyzer luceneAnalyzer = new PaodingAnalyzer();
// PaodingAnalyzer这个类是庖丁解牛中文分词分析器类继承了Lucene的 Analyzer接口,对于检索中文分词有很大帮助
       File[] dataFiles = dataDir.listFiles();
       boolean fileIsExist = false ;
       if (indexDir.listFiles(). length == 0)
           fileIsExist = true ;
       IndexWriter indexWriter = new IndexWriter(indexDir, luceneAnalyzer , fileIsExist);
       // 第三个参数是一个布尔型的变量,如果为 true 的话就代表创建一个新的索引,为 false 的话就代表在原来索引的基础上进行操作。
       long startTime = new Date().getTime();
       this .doIndex(dataFiles, indexWriter);
       indexWriter.optimize();//优化索引
       indexWriter.close();//关闭索引
       long endTime = new Date().getTime();
       system. out .println( "It takes " + (endTime - startTime)
              + " milliseconds to create index for the files in directory " + dataDir.getPath());
    {color:black}}
*    private{*} void doIndex(File[] dataFiles, IndexWriter indexWriter) throws Exception {
       for ( int i = 0; i < dataFiles. length ; i++) {
           if (dataFiles[i].isFile() && dataFiles[i].getName().endsWith( ".html" )) {//索引所有html格式文件
              system. out .println( "Indexing file " + dataFiles[i].getCanonicalPath());
              Reader txtReader = new FileReader(dataFiles[i]);
              Document document = new Document();
              // Field.Store.YES 存储 Field.Store.NO 不存储
              // Field.Index.TOKENIZED 分词 Field.Index.UN_TOKENIZED 不分词
              document.add( new Field( "path" , dataFiles[i].getCanonicalPath(), Field.Store. YES , Field.Index. UN_TOKENIZED ));
              document.add( new Field( "filename" , dataFiles[i].getName(), Field.Store. YES , Field.Index. TOKENIZED ));
              // 另外一个构造函数 , 接受一个 Reader 对象
              document.add( new Field( "contents" , txtReader));
              indexWriter.addDocument(document);
           {color:black}} else if (dataFiles[i].isFile() && dataFiles[i].getName().endsWith( ".doc" )) {//索引所有word文件
              FileInputStream in = new FileInputStream(dataFiles[i]);// 获得文件流
              WordExtractor extractor = new WordExtractor(in);// 使用POI对word文件进行解析
              String str = extractor.getText();// 返回String
              Document document = new Document();//生成 Document对象,其中有3个 Field,分别是 path , filename, contents
              document.add( new Field( "path" , dataFiles[i].getCanonicalPath(), Field.Store. YES ,
                     Field.Index. UN_TOKENIZED ));
              document.add( new Field( "filename" , dataFiles[i].getName(), Field.Store. YES , Field.Index. TOKENIZED ));
              // 另外一个构造函数 , 接受一个 Reader 对象
              document.add( new Field( "contents" , str, Field.Store. YES ,Field.Index. TOKENIZED ,                                      Field.TermVector. WITH_POSITIONS_OFFSETS ));
              indexWriter.addDocument(document);
           {color:black}} else {
              if (dataFiles[i].isDirectory()) {
                  doIndex(dataFiles[i].listFiles(), indexWriter);//使用递归,继续索引文件夹
              {color:black}}
           {color:black}}
       {color:black}}
    {color:black}}
从上面代码中可以看到对文件(或者说是数据)创建索引是一件很容易的事,首先确定需要索引的文件夹(或者数据库中的数据注:Lucene只接受数据,他不会区分数据的来源,也就是说不管是什么你只要把它转为String格式的数据,Lucene就能创建索引),然后指定创建后索引存放的地方,我们自己对数据处理后创建一个 Document对象这里面你可以自己定义放几 Field,并定义 Field是否进行分词什么的,这样索引就创建好了.
注:使用庖丁解牛中文分词,需要将"庖丁"中的词典(dic文件夹)放到classpath 中再把 paoding-analyzer.properties文件也放到classpath中 properties文件内容如下:
paoding.imports = {color} ifexists:classpath:paoding-analysis-default.properties;{color} ifexists:classpath:paoding-analysis-user.properties;{color} ifexists:classpath:paoding-knives-user.properties
paoding.dic.home = classpath:dic
三、检索
对于创建数据的索引我们已经了解了,下面介绍一下,检索数据, 检索数据的时候我们不用关心原始的数据或者文件,我们只关心lucene生成的索引, 但是要使用当初生成索引时的同一个分析器进行分析索引.
  
public void searchIndex() throws Exception {
       String contents = " 项目 " ;//内容的关键字
       String filename = " 测试 " ;//文件名的关键字
       File indexDir = new File( "D: luceneIndex" );//存放索引的文件夹
       FSDirectory directory = FSDirectory. getDirectory (indexDir);
       Searcher searcher = new IndexSearcher(directory);
 
       QueryParser parserContents = new QueryParser( "contents" , luceneAnalyzer );
       QueryParser parserFilename = new QueryParser( "filename" , luceneAnalyzer );
       //使用同一个分析器 luceneAnalyzer分别生成两个 QueryParser对象
       Query query1 = parserContents.parse(contents);
       Query query2 = parserFilename.parse(filename);
       BooleanQuery query = new BooleanQuery();
       query.add(query1, BooleanClause.Occur. MUST );
       query.add(query2, BooleanClause.Occur. MUST );  
       SimpleHTMLFormatter formatter = new SimpleHTMLFormatter( "<span class=/"highlight/">" , "</span>" );
       Highlighter highlighter = new Highlighter(formatter, new QueryScorer(query));
       highlighter.setTextFragmenter( new SimpleFragmenter(60));
       //Lucene自带的高亮功能,在Lucene发布的bin中的 lucene-2.3.0/contrib/highlighter文件夹下 lucene-highlighter-2.3.0.jar 需要导入
       Hits hits = searcher.search(query);
           for ( int i=0;i<hits.length();i++){
              TokenStream tokenStream = luceneAnalyzer .tokenStream( "contents" , new StringReader(hits.doc.get( "contents" )));
              this . pageContext .getOut().println( "<font style='font-size:13px'><a href='" + hits.doc.get( "path" )  + "'><b>" +ELFuncUtil. setStyle (hits.doc.get( "filename" ), filename )+ "</b></a></font><br>" );
              String str = highlighter.getBestFragment(tokenStream,hits.doc.get( "contents" ) + "..." );
               this . pageContext .getOut().println( "<font style='font-size:12px'>" +str+ "</font>" );
              this . pageContext .getOut().println( "<br><hr><br>" );
           {color:black}}     {color:black}}
 
< style >
.highlight {
    background : yellow ;
    color : #CC0033 ;
{color:black}} </ style >
这样外界的访问直接通过Lucene去检索索引,不去触及真正的文件,效率大大提高.页面再加上一点修饰一个使用Lucene构建的搜索引擎就完成了.
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值