lucene分析器主要用于将一个field文本转换为最基本的索引表示单元-term,也可以用于在使用QueryParser进行搜索时高亮显示被搜索的内容时。
lucene内置有四个分析器:WhitespaceAnalyzer、SimpleAnalyzer、StopAnalyser、StandardAnalyzer
WhitespaceAnalyzer:分析器是通过空格来分割文本信息
SimpleAnalyzer:分析器会首先通过非字母字符来拆分文本信息,并统一转为小写格式,会去掉数字类型的字符
StopAnalyser:和SimpleAnalyzer分析器类似,但StopAnalyser会去掉一些常用单词(the、a、an..)
StandardAnalyzer:是lucene最复杂的核心分析器,可以识别某些种类的语汇单元,如公司名称、Email、主机名称等,它会将语汇单元转为小写格式,并去除掉停用词和标点符号
在索引过程中使用分析器:
创建索引时,首先创建一个Analyzer对象,然后将Analyzer对象传递个IndexWriterConfig对象,代码如下:
File indexDir = new File("D://luceneData");
File dataDir = new File("D://luceneIndex");
FSDirectory directory = FSDirectory.open(dataDir);
Analyzer luceneAnalyzer = new StandardAnalyzer(Version.LUCENE_35);
// Analyzer luceneAnalyzer = new PaodingAnalyzer();
File[] dataFiles = indexDir.listFiles();
IndexWriterConfig indexWriterConfig = new IndexWriterConfig(Version.LUCENE_35, luceneAnalyzer);
IndexWriter indexWriter = new IndexWriter(directory,indexWriterConfig);
在lucene中,只有被分析的语汇单元才能被搜索到,例外情况就是在创建filed时使用Field.Index.NOT_ANALYZED参数或者使用Field.Index.NOT_ANALYZED_NO_NORMS参数,在这种情况下整个field都会被当成一个语汇单元处理,代码如下:
Document document = new Document();
document.add(new Field("name",getFileName(dataFiles[i]),Store.YES,Index.ANALYZED));//使用分析器
document.add(new Field("path",dataFiles[i].getPath(),Store.YES,Index.NOT_ANALYZED));//不使用分析器
在搜索过程中使用分析器:
使用QueryParser搜索时,可以利用分析器将用户想要搜索的内容分割成各个项以用于搜索。在创建QueryParser对象时传入分析器对象,
代码如下:
// Analyzer analyzer = new PaodingAnalyzer();
Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_35);
QueryParser parser = new QueryParser(Version.LUCENE_35, fields, analyzer);