流程图检索-相关-lucene

lucene在我们的项目中，作用比较简单，只是用来过滤，进行第一步的筛选工作而已。

首先要了解到的是倒排索引。这个技术对于搜索很关键。并且它有一个优点，就是关键字的数量并非随着文本内容的增长而线性增长。关键字表其实已经比较规范了。一旦完成了索引的建立，就会给我们搜索节省大量时间。

其次是lucene做的一些工作。

第一步是建立索引。

使用到了IndexWriter这个类。new IndexWriter(PATH, Analyzer, true)，这样的设置，指定索引存放的位置，使用到的分析器（实际用的是现成的一个StanderdAnalyzer）。

然后建立一个新的Document，new Document(); 在这个document里添加进我们需要设置的域field，new Field("filepath", file.name , Field.Store.Yes, Field.Index.TOKENIZED); 最后就可以write了。大概流程如下：

IndexWriter indexWriter  = new IndexWriter(PATH, Analyzer, true);

Document doc = new Document(); 

Field field1 = new  Field("filepath", file.name , Field.Store.Yes, Field.Index.TOKENIZED);

Field field2 = new  Field("filetext", file.name , Field.Store.Yes, Field.Index.TOKENIZED);

....

doc.add(field1);

doc.add(field2);

...

indexWriter.addDocument(doc);

...

indexWriter.close();

...

这样，就完成了建立索引的操作，就会在具体的位置，有相关的索引文件。

其次，到Document和Field的一些机制问题。

Document在Lucene中代表一种逻辑文件。一般是一个Document与一个物理文件读应起来，但是又不一定。比如可以将所有的目录名字存在一个document中。

Lucene是为这些Document建立索引的。

在一个Document中，它使用Field来表示其所汇集的数据。看它们的构造函数，它们与一个typename对应，而且可以标明这个field是否需要存储，需要分词，需要建立索引等信息。

在我们的实现中，由于是要存路径，搜索内容。所以是用几个Field存了它们的文件路径，文件内容等。

当然，在对文件内容进行存储前，使用了内部的一些预处理工具，如LowerCaseTokenizer，PorterStemFilter等，再它们各个单词组合到一个String中（中间用“ ”分开）。

While(token != null) {
sentence += to.termText() + " ";

}

document.add(new Field("text", sentence, Field.Store>YES, Field.Index.ANALYZED));

然后到搜索。

使用IndexSearcher， 根据索引位置建立这个。建立搜索的单元，Term， 生成一个Query，于是，可以获得枚举的对象TermDocs。再一一遍历这个对象。

IndexSearcher searcher = new IdexSearcher(PATH);

Term t = new Term(searchtype, searchkey);

Query q = new TermQuery(t);

TermDocs docs = searcher.getIndexReader().termDocs(t);

//遍历ｄｏｃｓ，获得需要的ｆｉｌｅｄ，get("ｐａｔｈ");

//代码摘自《开发自己的搜索引擎》