Lucene 2 教程 (2)

最新推荐文章于 2024-07-21 19:02:10 发布

spring19840513

最新推荐文章于 2024-07-21 19:02:10 发布

阅读量533

点赞数

分类专栏： Java 文章标签： lucene query integer string 文档 class

Java 专栏收录该内容

5 篇文章 0 订阅

订阅专栏

索引文件可放的位置：

索引可以存放在两个地方1.硬盘，2.内存放在硬盘上可以用FSDirectory()，放在内存的用RAMDirectory()不过一关机就没了。

 FSDirectory.getDirectory(File file,  boolean  create)
 FSDirectory.getDirectory(String path,  boolean  create)

两个工厂方法返回目录New RAMDirectory()就直接可以再和

 IndexWriter(Directory d, Analyzer a,  boolean  create)

一配合就行了，例如：

 IndexWrtier indexWriter  =   new  IndexWriter(FSDirectory.getDirectory(“c:\\index”, true ), new  StandardAnlyazer(), true );
 IndexWrtier indexWriter  =   new  IndexWriter( new  RAMDirectory(), new  StandardAnlyazer(), true );

索引的合并
这个可用这个将目录加进去

IndexWriter.addIndexes(Directory[] dirs)

来看个例子:

     public   void  UniteIndex()  throws  IOException
       {
         IndexWriter writerDisk  =   new  IndexWriter(FSDirectory.getDirectory( " c:\\indexDisk " ,  true ), new  StandardAnalyzer(), true );
         Document docDisk  =   new  Document();
         docDisk.add( new  Field( " name " , " 程序员之家 " ,Field.Store.YES,Field.Index.TOKENIZED));
         writerDisk.addDocument(docDisk);
         RAMDirectory ramDir  =   new  RAMDirectory();
         IndexWriter writerRam  =   new  IndexWriter(ramDir, new  StandardAnalyzer(), true );
         Document docRam  =   new  Document();
         docRam.add( new  Field( " name " , " 程序员杂志 " ,Field.Store.YES,Field.Index.TOKENIZED));
         writerRam.addDocument(docRam);
         writerRam.close(); // 这个方法非常重要，是必须调用的 
          writerDisk.addIndexes( new  Directory[] {ramDir} );
         writerDisk.close();
     } 
      public   void  UniteSearch()  throws  ParseException, IOException
       {
         QueryParser queryParser  =   new  QueryParser( " name " , new  StandardAnalyzer());
         Query query  =  queryParser.parse( " 程序员 " );
         IndexSearcher indexSearcher  = new  IndexSearcher( " c:\\indexDisk " );
         Hits hits  =  indexSearcher.search(query);
         System.out.println( " 找到了 " + hits.length() + " 结果 " );
          for ( int  i = 0 ;i
           {
             Document doc  =  hits.doc(i);
             System.out.println(doc.get( " name " ));
         } 
      }

这个例子是将内存中的索引合并到硬盘上来.
注意：合并的时候一定要将被合并的那一方的IndexWriter的close()方法调用。

对索引的其它操作:
IndexReader类是用来操作索引的，它有对Document,Field的删除等操作。
下面一部分的内容是：全文的搜索
全文的搜索主要是用：IndexSearcher,Query,Hits,Document(都是Query的子类),有的时候用QueryParser
主要步骤：

 1 . new  QueryParser(Field字段， new  分析器)
 2 .Query query  =  QueryParser.parser(“要查询的字串”);这个地方我们可以用反射api看一下query究竟是什么类型
 3 . new  IndexSearcher(索引目录).search(query);返回Hits
 4 .用Hits.doc(n);可以遍历出Document
 5 .用Document可得到Field的具体信息了。

其实1　，2两步就是为了弄出个Query 实例，究竟是什么类型的看分析器了。

拿以前的例子来说吧

   QueryParser queryParser  =   new  QueryParser( " name " , new  StandardAnalyzer());
   Query query  =  queryParser.parse( " 程序员 " );
   /* 这里返回的就是org.apache.lucene.search.PhraseQuery */ 
   IndexSearcher indexSearcher  = new  IndexSearcher( " c:\\indexDisk " );
   Hits hits  =  indexSearcher.search(query);

不管是什么类型，无非返回的就是Query的子类，我们完全可以不用这两步直接new个Query的子类的实例就ok了，不过一般还是用这两步因为它返回的是PhraseQuery这个是非常强大的query子类它可以进行多字搜索用QueryParser可以设置各个关键字之间的关系这个是最常用的了。
IndexSearcher:
其实IndexSearcher它内部自带了一个IndexReader用来读取索引的，IndexSearcher有个close()方法，这个方法不是用来关闭IndexSearche的是用来关闭自带的IndexReader。

QueryParser呢可以用parser.setOperator()来设置各个关键字之间的关系（与还是或）它可以自动通过空格从字串里面将关键字分离出来。
注意：用QueryParser搜索的时候分析器一定的和建立索引时候用的分析器是一样的。
Query:
可以看一个lucene2.0的帮助文档有很多的子类:
BooleanQuery, ConstantScoreQuery, ConstantScoreRangeQuery, DisjunctionMaxQuery,FilteredQuery, MatchAllDocsQuery, MultiPhraseQuery, MultiTermQuery,PhraseQuery, PrefixQuery, RangeQuery, SpanQuery, TermQuery
各自有用法看一下文档就能知道它们的用法了
下面一部分讲一下lucene的分析器:
分析器是由分词器和过滤器组成的，拿英文来说吧分词器就是通过空格把单词分开，过滤器就是把the,to,of等词去掉不被搜索和索引。
我们最常用的是StandardAnalyzer()它是lucene的标准分析器它集成了内部的许多的分析器。
最后一部分了：lucene的高级搜索了
1.排序
Lucene有内置的排序用IndexSearcher.search(query,sort)但是功能并不理想。我们需要自己实现自定义的排序。
这样的话得实现两个接口: ScoreDocComparator, SortComparatorSource
用IndexSearcher.search(query,newSort(new SortField(String Field,SortComparatorSource)));
就看个例子吧：
这是一个建立索引的例子：

public   void  IndexSort()  throws  IOException
  {
         IndexWriter writer  =   new  IndexWriter( " C:\\indexStore " , new  StandardAnalyzer(), true );
         Document doc  =   new  Document()
         doc.add( new  Field( " sort " , " 1 " ,Field.Store.YES,Field.Index.TOKENIZED));
         writer.addDocument(doc);
         doc  =   new  Document();
         doc.add( new  Field( " sort " , " 4 " ,Field.Store.YES,Field.Index.TOKENIZED));
         writer.addDocument(doc);
         doc  =   new  Document();
         doc.add( new  Field( " sort " , " 3 " ,Field.Store.YES,Field.Index.TOKENIZED));
         writer.addDocument(doc);
         doc  =   new  Document();
         doc.add( new  Field( " sort " , " 5 " ,Field.Store.YES,Field.Index.TOKENIZED));
         writer.addDocument(doc);
         doc  =   new  Document();
         doc.add( new  Field( " sort " , " 9 " ,Field.Store.YES,Field.Index.TOKENIZED));
         writer.addDocument(doc);
         doc  =   new  Document();
         doc.add( new  Field( " sort " , " 6 " ,Field.Store.YES,Field.Index.TOKENIZED));
         writer.addDocument(doc);
         doc  =   new  Document();
         doc.add( new  Field( " sort " , " 7 " ,Field.Store.YES,Field.Index.TOKENIZED));
         writer.addDocument(doc);
         writer.close();
 }

下面是搜索的例子:

public void SearchSort1() throws IOException, ParseException
{
        IndexSearcher indexSearcher = new IndexSearcher("C:\\indexStore");
        QueryParser queryParser = new QueryParser("sort",new StandardAnalyzer());
        Query query = queryParser.parse("4");
       
        Hits hits = indexSearcher.search(query);
        System.out.println("有"+hits.length()+"个结果");
        Document doc = hits.doc(0);
        System.out.println(doc.get("sort"));
}
public void SearchSort2() throws IOException, ParseException
{
        IndexSearcher indexSearcher = new IndexSearcher("C:\\indexStore");
        Query query = new RangeQuery(new Term("sort","1"),new Term("sort","9"),true);//这个地方前面没有提到，它是用于范围的Query可以看一下帮助文档.
        Hits hits = indexSearcher.search(query,new Sort(new SortField("sort",new MySortComparatorSource())));
        System.out.println("有"+hits.length()+"个结果");
        for(int i=0;i
        {
            Document doc = hits.doc(i);
            System.out.println(doc.get("sort"));
        }
}
public class MyScoreDocComparator implements ScoreDocComparator
{
    private Integer[]sort;
    public MyScoreDocComparator(String s,IndexReader reader, String fieldname) throws IOException
    {
        sort = new Integer[reader.maxDoc()];
        for(int i = 0;i
        {
            Document doc =reader.document(i);
            sort[i]=new Integer(doc.get("sort"));
        }
    }
    public int compare(ScoreDoc i, ScoreDoc j)
    {
        if(sort[i.doc]>sort[j.doc])
            return 1;
        if(sort[i.doc]
            return -1;
        return 0;
    }
    public int sortType()
    {
        return SortField.INT;
    }
    public Comparable sortValue(ScoreDoc i)
    {
        // TODO 自动生成方法存根
        return new Integer(sort[i.doc]);
    }
}
public class MySortComparatorSource implements SortComparatorSource
{
    private static final long serialVersionUID = -9189690812107968361L;
    public ScoreDocComparator newComparator(IndexReader reader, String fieldname)
            throws IOException
    {
        if(fieldname.equals("sort"))
            return new MyScoreDocComparator("sort",reader,fieldname);
        return null;
    }
}

SearchSort1()输出的结果没有排序,SearchSort2()就排序了。

2.多域搜索MultiFieldQueryParser
如果想输入关键字而不想关心是在哪个Field里的就可以用MultiFieldQueryParser了，用它的构造函数即可后面的和一个Field一样。

MultiFieldQueryParser. parse(String[] queries, String[] fields, BooleanClause.Occur[] flags, Analyzer analyzer)

第三个参数比较特殊这里也是与以前lucene1.4.3不一样的地方。看一个例子就知道了

String[] fields = {"filename", "contents", "description"};
 BooleanClause.Occur[] flags = {BooleanClause.Occur.SHOULD,
                BooleanClause.Occur.MUST,//在这个Field里必须出现的
                BooleanClause.Occur.MUST_NOT};//在这个Field里不能出现
 MultiFieldQueryParser.parse("query", fields, flags, analyzer);

1、lucene的索引不能太大，要不然效率会很低。大于1G的时候就必须考虑分布索引的问题

2、不建议用多线程来建索引，产生的互锁问题很麻烦。经常发现索引被lock，无法重新建立的情况

3、中文分词是个大问题，目前免费的分词效果都很差。如果有能力还是自己实现一个分词模块，用最短路径的切分方法，网上有教材和demo源码，可以参考。

4、建增量索引的时候很耗cpu，在访问量大的时候会导致cpu的idle为0

5、默认的评分机制不太合理，需要根据自己的业务定制

整体来说lucene要用好不容易，必须在上述方面扩充他的功能，才能作为一个商用的搜索引擎

spring19840513

关注

0
点赞
踩
0

收藏

觉得还不错? 一键收藏
0
评论
Lucene 2 教程 (2)

索引文件可放的位置：索引可以存放在两个地方1.硬盘，2.内存放在硬盘上可以用FSDirectory()，放在内存的用RAMDirectory()不过一关机就没了。 FSDirectory.getDirectory(File file, boolean create) FSDirectory.getDirectory(String path, boolean create)
复制链接

扫一扫

专栏目录