LUCENE读书笔记 20070702

 

2007-7-2

突然想学LUCENE了，不知为什么，就是想学了，为了防止半途而废，决定写读书笔记，大家监督。

（初学者写的，切记不可当教程看，不准的。本不想发在blog,但实在没时间整别的了，还是发了吧）

LUCENE 是什么？

Lucence 是一种全文检索工具，它按照一定的规则去创建文件索引，然后再按照一定的规则根据索引进行数据的查找，目的是提高查询速度（但为了创建索引也耗费了额外的存储空间）

 

以下是读书笔记，是根据ajax in action和征服ajax做的笔记。以备日后复习交流。

 

在写笔记之前其实已经看过ajax in action 了，但由于当时看的是英文版本并且2.0已经发布，所以没愿意做笔记；现在发现2.0的资料太少，不容易学习，还是决定先根据1.43来学习。毕竟自己还没达到那种没有资料就可以学习的水平…………，够用就好

 

今天看了征服ajax的前几章（第八章和第九章），感觉这两章主要是举了几个例子，由于以前接触过，马虎一看而过，因为真正的祥解是从第十章开始的。

这里大体总结一下lucence的机制，

用lecence进行全文检索，是通过两个步骤来完成的：创建索引和根据索引查询。仅此而已，简单吗？ 听起来简单，做个测试例子也不难，但真正要用到项目中并产生作用就有些难度了，因为需要做很多的额外工作。以前用过trs，感觉他们实现的不错，但毕竟是收费的产品，还是自己能实现的好啊。

 

索引的创建

开始了，现在开始创建索引，没办法，不创建索引你怎么去根据索引去查询？ 所以得从它开始啃了。

1 索引的建立过程

 建立索引一般是经过下面几个步骤的：

 A 提取数据：为啥子要提取数据？因为lucence没你想的那么聪明，什么样的格式都能读取出来，都能认识。看了征服ajax的第九章的例子，被索引的文件格式好像是txt的，就是说纯文本文件的东西可以读取出来，别的嘛，就得另说了阿.按照它的说法，得需要给每一种文档格式都写一中数据分析器（按照lucence的说法好像叫做Parser，也不知道好写不？）

 

写到这，好风忍不住想说两句，其实我们现在做的项目，其实大多数是从数据库里读取的数据并查询的，从文件里读取的还是少数吧？就算是从文件里读取数据的话，我们也可以用一些现有的工具去读取数据，如 poi 等。就是说，我们可以利用现有的工具去获取各种格式的数据（从数据库里读取数据也可以看作是一种格式，只不过是利用 jdbc 去读取哦）

就是说，如果lucence的Parser不好写或者根本就没这么个东西（我现在认为他是一个接口），我们可以去自己写，凡只需要返回纯文本数据就成了呗。写个接口，创建Paser类返回同样的数据就可以阿（好风模式学的不好，不知道做起来能不能这么简单）。

 

B 创建Document :

 这个东西嘛，根据我现在的理解就相当于数据库里的一行，一条记录。

 查询出的结果是以他为最小单位的好像。里面有既然是一行，那么就应该有列喽（或者叫字段），想起来了，Lucene中好像有个Field的东西；创建一个Document的时候需要创建一个或多个Field,Field可是有很多类型的，比如专门用来检索的，有的专门用来存储检索数据。在创建索引的时候，你就可以创建一个索引字段，再创建一个内容字段；在查询的时候，你就可以根据索引字段得到这一个Document,然后根据获取内容字段，就可以得到你想要的值啦！可以有多个索引字段和内容字段的。

 

C 分析并建索

 

将Document（包括Field）创建完毕之后，我们就需要建立一个IndexWriter对象，看名字就知道是用来创建索引的，指定好索引文件所在的位置以及创建索引用的分析器，就可以将Document写入索引了。就好比IndexWriter创建了一个数据库的表(索引文件),再向这个表里插入行数据（Document），这里分析器可以有不同的类型，咂用俺还不会…………