Lucene create Index & （search Index）

上篇文章（Lucene (created Index) & search Index, http://blog.sina.com.cn/s/blog_740c74b20101ggho.html ）已经介绍了Lucene建立索引的所有过程了，这章将介绍如何搜索（Search）。

涉及到的类是IndexSearcher，同样的你首先需要知道你之前建立索引的具体位置，然后通过搜索索引来找到你需要的信息。因此，在Search过程中你仍需要构建Directory，以及Directory阅读器（DirectoryReader），通过调用DirectoryReader将Directory的信息读入，以用于之后的搜索。当然你也需要分析器（Analyzer），用于对你输入的关键词进行解析。

一、 查询（Query）

在做完这些基础设置之后，接下来我们将进行对关键字的查询（query），你可以直接使用这个类进行查询，具体代码如下：

QueryParser parser = new QueryParser(Version.LUCENE_40,"FieldID", analyzer);

Query query = parser.parse("keyWord");

PS: QueryParser类是用来设置你所要进行搜索的Field（e.g. new Field("FieldID","Value")），以及采用什么样的分析器（Analyzer）进行解析。换句话讲，类似于Mysql语句查询，QueryParser是在定义你搜索的属性范围，即搜索某一列数据，以及相应的分析方法。

二、 其他查询方式

除了上述方法外，Lucene还有其他一些Query类，如：TermQuery,BooleanQuery,RangeQuery以及WildcardQuery等。

1、TermQuery

TermQuery是Lucene里面最基本的一种原子查询。一般可以通过它来检索索引中含有指定词条的Document。具体代码如下：

Term term = new Term("FieldID","keyWord");

Query termQuery = new TermQuery(term);

2、BooleanQuery

顾名思义，就是可附带逻辑关系的查询方法，你可以选择“或”，“与”之类的逻辑来查询你的关键字。具体代码如下：

Term term1 = new Term("FieldID","keyword1");

Term term2 = new Term("FieldID","keyword2");

TermQuery termquery1 = new TermQuery(term1);

TermQuery termquery2 = new TermQuery(term2);

BooleanQuery blquery = new BooleanQuery();

blquery.add(termquery1,BooleanClause.Occur.MUST);

blquery.add(termquery2,BooleanClause.Occur.MUST);

上面这串代码的意思就是两个关键字必须同时出现。

PS: 其中对于逻辑的选择除了 BooleanClause.Occur.MUST 外还有BooleanClause.Occur.MUST_NOT，

BooleanClause.Occur.SHOULD等等。

3、RangeQuery

也是顾名思义，范围查询，即在一定范围内进行查询，比如1~10范围，或者什么，当然你也可以尝试两段文字之间的范围查询（笔者没有尝试过）。下面是具体代码：

Term term1 = new Term("FieldID","keyword1");

Term term2 = new Term("FieldID","keyword2");

RangeQuery query = new RangeQuery(term1,term2,true);

PS: 这里解释一下RangeQuery构造函数最后一个参数的意义。它指的是是否包含边界值。

三、 Score相关介绍及查询结果展示

在介绍完查询方式之后，我们就可以对关键词进行相应的搜索了，在这里笔者特意想向大家介绍一下Lucene的一个特别有用的东西，即Score。对于每一条搜索的结果，Lucene都对其做出了相应的打分，以评价该搜索结果与关键词有多大的相关性（这是一个非常重要的功能）。打分的具体函数如下：

coord(q,d):  评分因子，是基于文档中出现查询项的个数。越多的查询项在一个文档中，说明该文档的匹配程序越高。默认是出现查询项的百分比。 
queryNorm(q):  查询的标准查询，使不同查询之间可以比较。此因子不影响文档的排序，因为所有有文档都会使用此因子。

tf(t in d):   查询的词在文档中出现的次数， 默认取根号值。

idf(t):  表示反转文档频率， 文档频率指出现查询词 的文档数。文档数越少 idf 就越高，但在同一个查询下些值是相同的。

t.getBoost():  激励因子，可以通过setBoost方法设置(通过field和doc都可以设置)，即给查询词加权（一般不怎么使用）。

norm(t,d):  压缩几个索引期间的加权和长度因子。

PS:说白了就是一种打分机制：单个文档中出现的频率越高相关性越大，多个文档中都出现的话就没什么重要性了。

具体应用代码如下：

Hits hits = isearcher.search(query);

if(hits.length>0){

for(int i=0;i

Document hitDoc = hits.doc（i）;

System.out.println("Score:"+hits.score(i)+"/"+hitDoc.get("FieldID"));

}

}

PS: 

（1）  isearcher 是 IndexSearcher 的一个对象，query就是之前定义的Query的一个对象。

（2） hits 中存储的是所有的搜索结果（其实还有另外一种表示方式，最后提供的全套代码里采用的就是另外一种方式）。

（3） hits.score(i)的意思就不用多说了吧~

（4） hitDoc.get("FieldID"),调用这个函数就能显示你所搜索的含有 关键词 的相关文段。

下面是完整代码：

package lxwo.lucenecore;

import java.io.BufferedReader;

import java.io.BufferedWriter;

import java.io.File;

import java.io.FileReader;

import java.io.FileWriter;

import org.apache.lucene.analysis.Analyzer;

import org.apache.lucene.analysis.standard.StandardAnalyzer;

import org.apache.lucene.document.Document;

import org.apache.lucene.index.DirectoryReader;

import org.apache.lucene.queryparser.classic.QueryParser;

import org.apache.lucene.search.IndexSearcher;

import org.apache.lucene.search.Query;

import org.apache.lucene.search.ScoreDoc;

import org.apache.lucene.store.Directory;

import org.apache.lucene.store.FSDirectory;

import org.apache.lucene.util.Version;

public class SearchIndex {

private Analyzer analyzer;

private IndexSearcher isearcher;

private int MaxFieldsNum;

@SuppressWarnings("deprecation")

public SearchIndex(String path1, String path2) throws Exception {

// step1: initiate the directory of Index

Directory directoryHD = FSDirectory.open(new File(path1));

// step2: initiate the analyzer

analyzer = new StandardAnalyzer(Version.LUCENE_40);

// ============start searching=================================

// step1: initiate the IndexSearcher

DirectoryReader ireader = DirectoryReader.open(directoryHD);

isearcher = new IndexSearcher(ireader);

BufferedReader br = new BufferedReader(new FileReader(new File(path2)));

String strLine = null;

if ((strLine = br.readLine()) != null) 

this.MaxFieldsNum = Integer.valueOf(strLine);

br.close();

}

public void search(String keyWord) throws Exception {

// step2: initiate the QueryParser

for (int index = 0; index < this.MaxFieldsNum; index++) {

@SuppressWarnings("deprecation")

QueryParser parser = new QueryParser(Version.LUCENE_40,

index+"", analyzer);

// step3: customize the search query

Query query = parser.parse(keyWord);

// step4: searching

ScoreDoc[] hits = isearcher.search(query, 10000000).scoreDocs;

if(hits.length>0){

System.out.println("Fields:"+index+"/Hits: "+hits.length);

for(int i=0;i

Document hitDoc = isearcher.doc(hits[i].doc);

System.out.println("Score: "+hits[i].score+"/"+hitDoc.get(index+""));

}

}

}

}

public void searchAndWrite(String keyWord,File file) throws Exception {

BufferedWriter bw = new BufferedWriter(new FileWriter(file));

// step2: initiate the QueryParser

for (int index = 0; index < this.MaxFieldsNum; index++) {

@SuppressWarnings("deprecation")

QueryParser parser = new QueryParser(Version.LUCENE_40,

index+"", analyzer);

// step3: customize the search query

Query query = parser.parse(keyWord);

// step4: searching

ScoreDoc[] hits = isearcher.search(query, 100000000).scoreDocs;

if(hits.length>0){

bw.append("Fields:"+index+"/Hits: "+hits.length);

bw.newLine();

for(int i=0;i

Document hitDoc = isearcher.doc(hits[i].doc);

bw.append("Score: "+hits[i].score+"/PMID: "+hitDoc.get("0")+"/Title: "+hitDoc.get("1"));

bw.newLine();

bw.append("Sentence: "+hitDoc.get(index+""));

bw.newLine();

}

}

}

bw.close();

}

}

big - PS：有些关键词例如：“AB/C”,“NOT”等等可能Lucene不好解析，需要再做一些处理，这里就暂时提一句，日后再详细解说。