Lucene相关介绍（一）

最近，在写一个项目，用到搜索引擎一项功能，本想弄一个站内搜索，但是我的项目还用不到~~~所以就写了一个基于商品关键词的搜索，

本打算用数据库就够了，但是想一下，如果商品很多的情况下，比如几十万，上百万等等，用数据库的匹配关键字查询效率可想而知，很低的说~~~

所以就行着，用Lucene来代替~~用Lucene对数据库中的商品的名字和描述进行建立索引，并搜索查询！

当然，我这个项目，还用到了，网站消息推送和商品推荐系统等功能，相关介绍请看相关博客！

 

 

一，Lucene是什么？

Lucene是一款高性能的，可扩展的信息检索（IR）工具库。信息检索库是指文档搜索，文档内信息检索或者文档相关元数据搜索等操作。Lucene能够融入到你的应用程序，以增加搜索功能。它是一款以java实现的成熟，自用，开源的软件项目，也是Apache软件基金（Apache Software Foundation）中的一个项目，并且基于Apache软件许可协议授权。因此，Lucene在近年来已经成为最受欢迎的开源信息检索工具库。

相关介绍大家还可以百度一下，很多相关的介绍！它可以帮助你对要搜索的信息建立索引，并且进行搜索！

 

二，Lucene能做什么？

Lucene允许你向自己的应用程序中添加搜索功能。Lucene能够把你从文本中解析出来的数据进行索引和搜索。Lucene并不关心你的数据来源，格式，甚至不关心数据的语种。

只要能把他转换为文本格式即可！当然，你也可以对存储在数据库中的数据进行索引，对文件进行索引以及对你抓取的网页进行索引并查询！！当然，网页抓去并不包含在Lucene中，需要你单独去写爬虫程序！！

Lucene说白了，就是“建立索引，搜索索引”！！

 

第一个开源的web搜索引擎Nutch也是就与Lucene的~~

 

Lucene作为一个核心搜索库，并不提供任何功能来实现内容的获取。内容获取的实现完全依赖于你的应用程序或者一款其他软件。目前，有大量的开源爬虫软件可以实现这个功能，如：

1,Solr：（http://lucene.apache.org/solr）Apache Lucene的子项目，支持从关系数据库和xml文档中提原始数据，以及能够通过集成Tika来处理复杂文档。

2,Nutch：（http://lucene.apache.org/nutch）,另一个Apache Lucene子项目，它包含大规模的爬虫工具，能够抓取和分辨web站点数据。

3,Grub：（http://www.grub.org）比较流行的开源web爬虫工具。

4,Heritrix:（http://crawler.archive.org）是一款开源的Internate文档搜索程序

5,Drods:是另一个Apache Lucene子项目

6,Aperture：它支持从web站点，文件系统和邮箱中抓去，并解析和索引和其中的文本数据。

7,google企业连接管理工程（http://code.google.com/p/google-enterprise-connector-manager）提供大量针对非web形式的内容连接方案。

 

好了，大家也对Lucene有了一个大概了解。相关的在以后在介绍，稍后，还会给大家贴出相关代码，大家也可以搜一下相关资料，很多的！！！