lucene 小结

1、概念

• 全文检索

全文检索的基本思路：将非结构化数据中的一部分信息提取出来，重新组织，使其变得有一定结构，然后对此有一定结构的数据进行搜索，从而达到搜索相对较快的目的。
这部分从非结构化数据中提取出的然后重新组织的信息，我们称之索引。
这种先建立索引，再对索引进行搜索的过程就叫全文检索(Full-text Search)。

• lucene 实现全文索引

原始数据-->创建lucene文档对象Document-->分析文档(涉及到分词)-->创建索引

• Document

获取原始数据后创建lucene里文档对象Document。可以将一个文件看成一个Document。Document包含很多Filed(域)，Filed存储内容。比如Filed（fileName，"lucene入门"），Filed（fileContent，"lucene is amazing"）。每个文档都有一个唯一的编号，就是文档id。

• 分析文档

分析的过程就是对Filed中的内容进行分词处理啦。比如提取单词、将字母转为小写、去除标点符号、去除停用词。每个词都叫一个Term，比如对Filed（fileContent，"lucene is amazing"）分词后会声称Term("fileContent","lucene"),Term("fileContent","is"),

Term("fileContent","amazing")。Term由域和词汇组成。在哪个域下有那些词汇。fileContent是域 。

• 创建索引

将词汇Term创建为索引。搜索目的就是搜索被索引的词汇找到Document，通过词语找文档，这种索引的结构叫倒排索引结构