使用java操作lucene
使用lucene创建索引库
package cn.figo.lucene;
import org.apache.commons.io.FileUtils;
import org.apache.lucene.document.*;
import org.apache.lucene.index.*;
import org.apache.lucene.search.*;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.junit.Test;
import java.io.File;
/*** @Author Figo* @Date 2019/12/19 0:12*/
public class LuceneFirst {
public void createIndex() throws Exception {
//1、创建一个Director对象,指定索引库保存的位置。//把索引库保存在内存中//Directory directory = new RAMDirectory();//把索引库保存在磁盘Directory directory = FSDirectory.open(new File("D:\\1_Code\\java\\lucene\\temp\\index").toPath());
//2、基于Directory对象创建一个IndexWriter对象// IndexWriterConfig config = new IndexWriterConfig(new IKAnalyzer());IndexWriter indexWriter = new IndexWriter(directory, new IndexWriterConfig());
//3、读取磁盘上的文件,对应每个文件创建一个文档对象。File dir = new File("D:\\1_Code\\java\\lucene\\searchsource");
File[] files = dir.listFiles();
for (File f : files) {
//取文件名String fileName = f.getName();
//文件的路径String filePath = f.getPath();
//文件的内容String fileContent = FileUtils.readFileToString(f, "utf-8");
//文件的大小long fileSize = FileUtils.sizeOf(f);
//创建Field//参数1:域的名称,参数2:域的内容,参数3:是否存储Field fieldName = new TextField("name", fileName, Field.Store.YES);
Field fieldPath = new TextField("path", filePath, Field.Store.YES);
// Field fieldPath = new StoredField("path", filePath);Field fieldContent = new TextField("content", fileContent, Field.Store.YES);
Field fieldSize = new TextField("size", fileSize + "", Field.Store.YES);
// Field fieldSizeValue = new LongPoint("size", fileSize);// Field fieldSizeStore = new StoredField("size", fileSize);//创建文档对象Document document = new Document();
//向文档对象中添加域document.add(fieldName);
document.add(fieldPath);
document.add(fieldContent);
document.add(fieldSize);
// document.add(fieldSizeValue);// document.add(fieldSizeStore);//5、把文档对象写入索引库indexWriter.addDocument(document);
}
//6、关闭indexwriter对象indexWriter.close();
}
}
原始文档
生成的索引库
生成的索引库是二进制文件,可以通过 luke工具查看
关键词列表
每个文档的内容
查询保存的索引
public void searchIndex() throws Exception {
//1、创建一个Director对象,指定索引库的位置Directory directory = FSDirectory.open(new File("D:\\1_Code\\java\\lucene\\temp\\index").toPath());
//2、创建一个IndexReader对象IndexReader indexReader = DirectoryReader.open(directory);
//3、创建一个IndexSearcher对象,构造方法中的参数indexReader对象。IndexSearcher indexSearcher = new IndexSearcher(indexReader);
//4、创建一个Query对象,TermQueryQuery query = new TermQuery(new Term("name", "spring"));
//5、执行查询,得到一个TopDocs对象//参数1:查询对象 参数2:查询结果返回的最大记录数TopDocs topDocs = indexSearcher.search(query, 10);
//6、取查询结果的总记录数System.out.println("查询总记录数:" + topDocs.totalHits);
//7、取文档列表ScoreDoc[] scoreDocs = topDocs.scoreDocs;
//8、打印文档中的内容for (ScoreDoc doc :
scoreDocs) {
//取文档idint docId = doc.doc;
//根据id取文档对象Document document = indexSearcher.doc(docId);
System.out.println(document.get("name"));
System.out.println(document.get("path"));
System.out.println(document.get("size"));
//System.out.println(document.get("content"));System.out.println("-----------------寂寞的分割线");
}
//9、关闭IndexReader对象indexReader.close();
}
查询结果如下
分析器
关于分析器
IndexWriterConfig 默认使用标准分析器 StandardAnalyzer
public IndexWriterConfig() {
this(new StandardAnalyzer());
}
查看标准分析器的分析效果
public void testTokenStream() throws Exception {
//1)创建一个Analyzer对象,StandardAnalyzer对象Analyzer analyzer = new StandardAnalyzer();
//2)使用分析器对象的tokenStream方法获得一个TokenStream对象TokenStream tokenStream = analyzer.tokenStream("", "The Spring Framework provides a comprehensive programming and configuration model.");
//3)向TokenStream对象中设置一个引用,相当于数一个指针CharTermAttribute charTermAttribute = tokenStream.addAttribute(CharTermAttribute.class);
//4)调用TokenStream对象的rest方法,把指针调到最前。如果不调用抛异常tokenStream.reset();
//5)使用while循环遍历TokenStream对象while(tokenStream.incrementToken()) {
System.out.println(charTermAttribute.toString());
}
//6)关闭TokenStream对象tokenStream.close();
}
分析效果
标准分析器对中文支持不太好,可以使用第三方 IKAnalyzer 分析器
使用 IKAnalyzer 需要将配置文件和扩展词典添加到工程的classpath下
扩展词典严禁使用win记事本编辑,需要保证 utf-8格式
扩展词典可以添加一些新词
停用词词典可以是一些无意义的词或者是敏感词
Analyzer analyzer = new IKAnalyzer();
可以自行添加扩展词典和停用词词典
使用新的分析器重新创建索引库
IndexWriterConfig config = new IndexWriterConfig(new IKAnalyzer());
IndexWriter indexWriter = new IndexWriter(directory, config);
Field的选择
1 StringField(FieldName, FieldValue,Store.YES))
数据类型 字符串,一般不分析,可以索引和储存
2 LongPoint(String name, long... point)
数据类型 Long型,一般分析和索引,不储存
3 StoredField(FieldName, FieldValue)
一般只储存,不分析和索引
4 TextField(FieldName, FieldValue, Store.NO) 或 TextField(FieldName, reader)
数据类型 字符串或流,一般分析、索引且储存
之前的Field可以改为
Field fieldName = new TextField("name", fileName, Field.Store.YES);
Field fieldPath = new StoredField("path", filePath);
Field fieldContent = new TextField("content", fileContent, Field.Store.YES);
// 不储存Field fieldSizeValue = new LongPoint("size", fileSize);
// 只储存Field fieldSizeStore = new StoredField("size", fileSize);
这时path和size两个Field中的term为空,不参与分析
但由于我们使用StoredField储存了这两个值,所以是可以取出来的