lucene全文检索的概念

数据的分类：

      结构化数据：有固定类型或者有固定长度的数据

                   例如：数据库中的数据（mysql,oracle等），元数据（就是windows中的数据）

      结构化数据的搜索方法：

                   数据库中数据通过sql语句可以搜索

                   元数据（windows中的通过windows提供的搜索 栏进行搜索）

 

      非结构化数据：没有固定类型和固定长度的数据

                   例如：word文档中的数据，邮件中的数据

      非结构化数据搜索方法：

                   Word文档使用ctrl+F来搜索

      顺序扫描法：

ctrl+F中是使用的顺序扫描法，拿到搜索的关键字，去文档中，逐一匹配，直道找到和关键字一致的内容为止。

                            优点：如果文档中存在要找的关键字，就一定能找到想要的内容

                            缺点：慢，效率低

      全文检索算法（倒排索引算法）：

                            将文件中的内容提取出来，将文字拆分成一个一个的词（分词），将这些词组成索引（字典中的目录），搜索的时候先搜索索引，通过索引找到文档，这个过程就叫做全文索引

        

         分词：去掉停用词（a,an,the,的，得，嗯，呵呵，啊）等。因为搜索的时候这些词没有意义，将橘子拆分成词，去掉标点符号和空格。

         优点：搜索速度快

         缺点：因为创建索引需要占用磁盘空间，所以这个算法会使用掉更多的磁盘空间，这是用空间换时间

 

拆分示例：

         结构化数据：有固定类型或者有固定长度的数据

 

         灰色是去掉的分词

        

         相同的词去掉：

                   结构

                   结构化

                   数据

                   有

                   固定

                   类型

                   或者

                   有

                   固定

                   长度

                   数据

 

 

如果觉得本文对您有所帮助，欢迎您扫码下图所示的支付宝和微信支付二维码对本文进行随意打赏。您的支持将鼓励我继续创作