LUCENE3.0 自学吧 1

 

一个简单的 lucene Demo ，主要使用了 org.apache.lucene.index 包里面的 IndexWriter 类。 IndexWriter 有很多构造方法，一般的索引都使用了它的如下的构造方法：

public IndexWriter(Directory d, Analyzer a, boolean create, MaxFieldLength mfl) throws CorruptIndexException, LockObtainFailedException, IOException { init(d, a, create, null, mfl.getLimit(), null, null); }

这里， FSDirectory 是文件系统目录 (FileSystemDirectory=FSDirectory) ，该类的方法都是 static 的，可以直接方便地获取与文件系统目录相关的一些参数，以及对文件系统目录的操作。 FSDirectory 类继承自抽象类 Directory 。

 

Analyzer 是一个抽象类，能够对数据源进行分析，过滤，主要功能是进行分词：

 

public abstract class Analyzer implements Closeable { public abstract TokenStream tokenStream(String fieldName, Reader reader); ……  

通过使用 StandardAnalyzer 类（继承自 Analyzer 抽象类 ,Analyzer 抽象类，不能实例化），构造一个索引器 IndexWriter 。 StandardAnalyzer 类，对进行检索的 word 进行了过滤，因为在检索的过程中，有很多对检索需求没有用处的单词 ( 停词 ) 。比如一些英文介词： at 、 with 等等， StandardAnalyzer 类对其进行了过滤。看下 StandardAnalyzer 类的源代码：

 

 public class StandardAnalyzer extends Analyzer { private Set<?> stopSet; private final boolean replaceInvalidAcronym,enableStopPositionIncrements; //停词集合，在StopAnalyzer中 public static final Set<?> STOP_WORDS_SET = StopAnalyzer.ENGLISH_STOP_WORDS_SET; private final Version matchVersion; public StandardAnalyzer(Version matchVersion) { this(matchVersion, STOP_WORDS_SET); } }  

 

StopAnaylyzer 中停词集合：

   final List<String> stopWords = Arrays.asList( "a", "an", "and", "are", "as", "at", "be", "but", "by", "for", "if", "in", "into", "is", "it", "no", "not", "of", "on", "or", "such", "that", "the", "their", "then", "there", "these", "they", "this", "to", "was", "will", "with" );