Lucene创建及使用方法
1.1 Lucene简介
Lucene.NET是一个全文搜索框架,，lucene的功能很单一，说到底，就是你给它若干个字符串，然后它为你提供一个全文搜索服务，告诉你你要搜索的关键词出现在哪里。知道了这个本质，你就可以发挥想象做任何符合这个条件的事情了。你可以把站内新闻都索引了，做个资料库；你可以把一个数据库表的若干个字段索引起来，那就不用再担心因为“%like%”而锁表了。
1.2 lucene的工作方式
lucene提供的服务实际包含两部分：一入一出。所谓入是写入，即将你提供的源（本质是字符串）写入索引或者将其从索引中删除；所谓出是读出，即向用户提供全文搜索服务，让用户可以通过关键词定位源。
用通俗的话讲就是：先创建索引，再从索引读取想要的数据。
A. 写入流程：即创建索引
一、 首先实例化一个构造器
这个构造函数具有三个参数：
1. path：索引文件存放的路径。如：String path = "E:\\index";
2. a：分词工具，因为lucene为外国人所开发，所以对中文分词不是很友好，但人类的智慧是无穷的，这里引入盘古分词，专门针对中文的分词。如：a= new PanGuAnalyzer()，盘古分词官网http://pangusegment.codeplex.com/
3. create：它是一个boolean型变量，如果为true，表示要重写指定的存放索引目录下的索引文件；如果为false，表示在指定存放索引目录下已经存在的索引文件的基础上，向其中继续追加新的索引文件。
二、 创建索引
第一步并未创建索引，只是实例化了一个索引器，建立索引的过程是在一个IndexWriter索引器实例存在的前提下，通过为其添加Document，这样才能真正添加索引。
代码如下：
View Code
{
Document doc = new Document();
doc.Add( new Field( " id " , item.id.ToString(), Field.Store.YES, Field.Index.UN_TOKENIZED)); // 其中ID、Name、Add都是数据库中的字段名，这个应该可以看明白的吧
doc.Add( new Field( " productname " , item.productname, Field.Store.YES, Field.Index.TOKENIZED));
doc.Add( new Field( " productdes " , item.productdes, Field.Store.YES, Field.Index.UN_TOKENIZED));
doc.Add( new Field( " tradename " , item.tradename, Field.Store.YES, Field.Index.UN_TOKENIZED));
doc.Add( new Field( " companyname " , item.companyname, Field.Store.YES, Field.Index.UN_TOKENIZED));
doc.Add( new Field( " fhdes " , item.fhdes, Field.Store.YES, Field.Index.TOKENIZED));
doc.Add( new Field( " pic " , item.pic, Field.Store.YES, Field.Index.UN_TOKENIZED));
doc.Add( new Field( " areaname " , item.areaname, Field.Store.YES, Field.Index.UN_TOKENIZED));
doc.Add( new Field( " tradeid " , item.tradeid.ToString(), Field.Store.YES, Field.Index.UN_TOKENIZED));
writer.AddDocument(doc);
}
看完上面的代码先引入几个概念
1. Field:可以理解成索引文件中一个个的字段块，占用空间按字段长度分配。
2. Store:一个内部类，它是static的，主要为了设置Field的存储属性.
public static final Store YES = new Store( " YES "); // 在索引中存储Field的值
public static final Store NO = new Store( " NO "); // 在索引中不存储Field的值
3. Index: 通过Index设置索引方式,，不对Field进行索引，所以这个Field就不能被检索到(一般来说，建立索引而使它不被检索，这是没有意义的)，如果对该Field还设置了Field.Store为Field.Store.YES或Field.Store.COMPRESS，则可以检索
public static final Index UN_TOKENIZED = new Index( " UN_TOKENIZED "); // 对Field进行索引，但不对其进行分词
public static final Index NO_NORMS = new Index( " NO_NORMS "); // 对Field进行索引，但是不使用Analyzer
三、 优化索引，关闭写入
writer.Close(); // 随后将writer关闭，这点很重要。
B. 读出流程（即使用索引）
1. 创建一个容器来存放你从索引文件中读取到的数据，这里我们使用Table
{
DataTable mytab = new DataTable();
mytab.Columns.Add( " ID " );
mytab.Columns.Add( " TRADENAME " );
mytab.Columns.Add( " AREANAME " );
mytab.Columns.Add( " COMPANYNAME " );
mytab.Columns.Add( " FHDES " );
mytab.Columns.Add( " PRODUCTNAME " );
mytab.Columns.Add( " PIC " );
mytab.Clear();
return mytab;
}
2. 读取索引文件中的数据
{
string INDEX_STORE_PATH = " D:/index/ " ; // INDEX_STORE_PATH 为索引存储目录
return new IndexSearcher(INDEX_STORE_PATH);
}
3. 这一步我们需要得到过滤后数据，即查询条件，你可以理解成SQL里的where条件
lucene的搜索相当强大，它提供了很多辅助查询类，每个类都继承自Query类，各自完成一种特殊的查询，你可以像搭积木一样将它们任意组合使用，完成一些复杂操作；另外lucene还提供了Sort类对结果进行排序，提供了Filter类对查询条件进行限制。你或许会不自觉地拿它跟SQL语句进行比较：“lucene能执行and、or、order by、where、like‘%xx%’操作吗？”回答是：“当然没问题！”
a. TermQuery
首先介绍最基本的查询，如果你想执行一个这样的查询：“在content域中包含‘lucene’的document”，那么你可以用TermQuery：
b. BooleanQuery
如果你想让产品名称或者产品发货说明匹配关键字，那么你可以用：
QueryParser companynameparser = new QueryParser( " companyname ", new PanGuAnalyzer( true));
Query companynamequery = companynameparser.Parse(strkeyword);
QueryParser productnameparser = new QueryParser( " productname ", new PanGuAnalyzer( true));
Query productdesquery = productnameparser.Parse(strkeyword);
bq.Add(productdesquery, BooleanClause.Occur.SHOULD);
bq.Add(companynamequery, BooleanClause.Occur.SHOULD);
Tip:清单此处的BooleanClause.Occur，此类有2个重要的属性，SHOULD和MUST，SHOULD你就理解成SQL里’OR’，MUST理解成SQL里的’AND’,此处表示要同时满足productdesquery和idquery
c. WildcardQuery
如果你想对某单词进行通配符查询，你可以用WildcardQuery，通配符包括’?’匹配一个任意字符和’*’匹配零个或多个任意字符，例如你搜索’use*’，你可能找到’useful’或者’useless’：
d. PhraseQuery
你可能对中日关系比较感兴趣，想查找‘中’和‘日’挨得比较近（5个字的距离内）的文章，超过这个距离的不予考虑，你可以：
query.setSlop( 5 );query.add( new Term( " content " , " 中 " ));
query.add( new Term( " content " , " 日 " ));
那么它可能搜到“中日合作……”、“中方和日方……”，但是搜不到“中国某高层领导说日本欠扁”。
e. PrefixQuery
如果你想搜以‘中’开头的词语，你可以用PrefixQuery：
f. FuzzyQuery
FuzzyQuery用来搜索相似的term，使用Levenshtein算法。假设你想搜索跟‘wuzza’相似的词语，你可以：
你可能得到‘fuzzy’和‘wuzzy’。
g. RangeQuery
另一个常用的Query是RangeQuery，你也许想搜索时间域从20060101到20060130之间的document，你可以用RangeQuery：
最后的true表示含边界。
4. 取得从索引文件中过滤后的数据
{
IndexSearcher mysearch = LuceneSource();
Sort sort = new Sort( new SortField( " ID " , SortField.DOC, false )); // 排序
return mysearch.Search(bq, sort);
}
Sort是对数据进行排序，比如这里对ID
进行排序.
注意，LUCENE不支持关键词为空的情况，所以如果你想把索引文件中所有的数据都调用出来，那可以用如下方法
{
Document doc = mysearch.Doc(i);
FillingTable(mytab, doc);
}
5. 把过滤后的数据并扔入Table数据源
View Code
{
DataRow myrow;
myrow = dt.NewRow();
myrow[ 0 ] = doc.Get( " id " ).ToString();
myrow[ 1 ] = doc.Get( " tradename " ).ToString();
myrow[ 2 ] = doc.Get( " areaname " ).ToString();
myrow[ 3 ] = doc.Get( " companyname " ).ToString();
myrow[ 4 ] = doc.Get( " fhdes " ).ToString();
myrow[ 5 ] = doc.Get( " productname " ).ToString();
myrow[ 6 ] = doc.Get( " pic " ).ToString();
dt.Rows.Add(myrow);
myrow.AcceptChanges();
}
6. OK，得到了table数据源，你可以在此基础上任意使用这些数据了。
扫一扫
874
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
