使用Lucene-1.3-final在web上建立全文检索应用

screen.width*.65)this.width=screen.width*.65" border=0 name=pic_4265>

作者：lotus

　　看完Lucene-1.3-final已经有一段时间了，一直没有时间总结一下，上一篇《Lucene-1.3-final已完全支持中文的切词与检索了》只是让你明白lucene-1.3-final可以不经过任何扩充和修改就可以支持中文的检索了，既然lucene-1.3-final在application上支持中文的全文检索，那么那也一定在web上支持全文检索。下面就简单介绍一下不修改lucene-1.3-final任何东西在web上建立全文检索应用。

一、?建立运行环境
1、系统环境
本人运行环境：
　　windows 2000 professional
　　resin2.1.6(为什么要用resin，下面有描述)
　　lucene-1.3-final其中的两个包lucene-1.3-final.jar、lucene-demos-1.3-final.jar、以及luceneweb.war用于web上的应用。
2、建立应用环境
　　将luceneweb.war拷贝到resin目录下的webapps目录中，启动resin，则luceneweb.war会自动解开成一个目录luceneweb，这时删除luceneweb.war这个文件。
　　将lucene-1.3-final.jar、lucene-demos-1.3-final.jar两文件拷贝到刚生成的luceneweb目录中的WEB-INF下的lib目录中。
　　OK，lucene-1.3-final的应用环境已建立起来了。

二、?配置
1、建立索引文件
　　假如你要全文检索的文件在D:/resin-2.1.6/webapps/index中，如在其中拷贝多个中文文件，其中也允许包含许多目录。
　　注意：要检索的文件只能是htm/html/txt格式的文件，要检索其它格式的文件如word/pdf等格式的文件，就要对lucene进行扩展，这不在本文讲述的范围内。

　　如果你要将对D:/resin-2.1.6/webapps/index目录中的文件建立索引文件，并将它
放入D:/resin-2.1.6/webapps/luceneindex目录中，则在cmd工作模块下，执行如下命令：
d:>cd? resin-2.1.6/webapps/luceneindex
D:/resin-2.1.6/webapps/luceneindex>java org.apache.lucene.demo.IndexHTML -create -index D:/resin-2.1.6/webapps/luceneindex ../index
（注意：你要将lucene-1.3-final.jar、lucene-demos-1.3-final.jar加入到系统的classpath中。）
则就会将D:/resin-2.1.6/webapps/index中的文件包括其中所有目录下的文件建立索引，并将索引文件存在D:/resin-2.1.6/webapps/luceneindex目录中了。
索引文件形如：
_6.f1
_6.f2
_6.f3
_6.f4
……
2、在web应用中配置索引文件目录
　　在luceneweb目录中找到一个jsp文件configuration.jsp，打开编辑，将其中的第5行改为如下形式：
String indexLocation = "D://resin-2.1.6//webapps//luceneindex";你自行修改成你自己的索引文件目录。

3、一点修改
　　在luceneweb目录中找到一个jsp文件result.jsp，打开编辑，将其中的第68行
?Analyzer analyzer = new StopAnalyzer();?????????????? //construct our usual analyzer
　　修改成如下：
Analyzer analyzer = new StandardAnalyzer();

　　注意：因为使用到StandardAnalyzer类，所以要先此类引入此jsp文件中。
　　如果不修改这一句只能检索到英文内容，修改后就完全可以检索中文了。

　　另：将<%@ page language="java" contentType="text/html;charset=GBK"%>添加到result.jsp的第一行，以正确显示中文结果。

好了，大功告成，可以运行了。

三、?运行结果
　　重新启动resin，在浏览器地址输入：http://localhost/luceneweb/index.jsp
　　出现如图界面，输入要检索的关键字，如：语法检查，点search按钮。
　　结果就出来了，如图所示，可以看出结果有两个，一个是html文件，一个是txt文件。
?

四、?后记
　　1、?上面对result.jsp文件进行的一点修改我觉得其实可以很容易理解，因为切词用的就是StandardAnalyzer，所以检索时也应该用这个，然后才能正确检索结果。
　　2、?我选resin作测试的目的就因为它的request的编码方式为GBK，所以不需对输入的关键字进行编码转换。如果使用tomcat作为webserver，则取得检索关键字时应对其进行编码转换，将iso-8859-1转为GBK，如何转换就不必我多讲了。
　　3、?可以看出没有对lucene-1.3-final进行任何修改，就可以在WEB上进行中文的全文检索了，就说爽不爽！：）只要对本demo稍加修饰，就可以将其应用到实际应用中。
　　4、在实际应用中，可以建立定时任务，对系统中的某个目录中的所有文件定时建立索引，也可以使用线程，在web应用中每延时一段时间就建立索引一次，这样就可以对系统中的新内容进行全文检索了。
　　5、?本例只能对html、htm、txt文件进行检索，要检索其它文件，如pdf、word、excel、xml其实也不难，lucene-1.3-final本身支持所有文档，关键看你怎么将这些文件传给它，如何做，请参阅其它资料。