3.6 Lucene基本检索+关键词高亮+分页

3.2节我们已经运行了一个Lucene实现检索的小程序，这一节我们将以这个小程序为例，讲一下Lucene检索的基本步骤，同时介绍关键词高亮显示和分页返回结果这两个有用的技巧。

一、Lucene检索的基本步骤

import java.nio.file.Paths;
import java.io.*;

import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.queryparser.classic.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;

/**
 * @author csl
 * @description: 
 * 依赖jar：Lucene-core，lucene-analyzers-common，lucene-queryparser
 * 作用：使用索引搜索文件
 */
public class Searcher {
    public static Version luceneVersion = Version.LATEST;
    /**
     * 查询内容
     */
    public static String indexSearch(String keywords){
        String res = "";
        DirectoryReader reader = null;
        try{
//            1、创建Directory
             Directory directory = FSDirectory.open(Paths.get("index"));//在硬盘上生成Directory
//            2、创建IndexReader
             reader = DirectoryReader.open(directory);
//            3、根据IndexReader创建IndexSearcher
             IndexSearcher searcher =  new IndexSearcher(reader);
//            4、创建搜索的query
//            创建parse用来确定搜索的内容，第二个参数表示搜索的域
             QueryParser parser = new QueryParser("content",new StandardAnalyzer());//content表示搜索的域或者说字段
             Query query = parser.parse(keywords);//被搜索的内容
//            5、根据Searcher返回TopDocs
             TopDocs tds = searcher.search(query, 20);//查询20条记录
//            6、根据TopDocs获取ScoreDoc
             ScoreDoc[] sds = tds.scoreDocs;
//            7、根据Searcher和ScoreDoc获取搜索到的document对象
             int cou=0;
             for(ScoreDoc sd:sds){
                 cou++;
                 Document d = searcher.doc(sd.doc);
//                    8、根据document对象获取查询的字段值
                 /**  查询结果中content为空，是因为索引中没有存储content的内容，需要根据索引path和name从原文件中获取content**/
                 res+=cou+". "+d.get("path")+" "+d.get("name")+" "+d.get("content")+"\n";
             }

            
        }catch(Exception e){
            e.printStackTrace();
        }finally{
            //9、关闭reader
            try {
                reader.close();
            } catch (IOException e) {
                e.printStackTrace();
            }
        }
        return res;
    }
    public static void main(String[] args) throws IOException
    {
        System.out.println(indexSearch("你好")); //搜索的内容可以修改
    }
}

搜索的过程总的来说就是将词典及倒排表信息从索引中读出来，根据用户输入的查询语句合并倒排表，得到结果文档集并对文档进行打分的过程。

总结起来检索有以下以下五个步骤：

1. 打开IndexReader指向索引文件夹。

Directory directory = FSDirectory.open(Paths.get("index"));
IndexReader reader = DirectoryReader.open(directory);

这一步骤将磁盘上的索引信息读入内存。

2. 创建IndexSearcher准备进行搜索。

IndexSearcher searcher =  new IndexSearcher(reader);

IndexSearcher提供了两个非常重要的函数：

• void setSimilarity(Similarity similarity)，用户可以实现自己的Similarity对象，从而影响搜索过程的打分。
• 一系列search函数，是搜索过程的关键，主要负责打分的计算和倒排表的合并。

3. 创建QueryParser解析查询语句生成查询对象。

QueryParser parser = new QueryParser("content",new StandardAnalyzer());//content表示搜索的域或者说字段
Query query = parser.parse(keywords);//被搜索的内容

解析分为两个过程：

• 创建Analyer用来对查询语句进行词法分析和语言处理。
• QueryParser调用parser进行语法分析，形成查询语法树，放到Query中。

4. IndexSearcher调用search对查询语法树Query进行搜索，得到结果集Topdocs。

//            5、根据Searcher返回TopDocs
             TopDocs tds = searcher.search(query, 20);//查询20条记录
//            6、根据TopDocs获取ScoreDoc
             ScoreDoc[] sds = tds.scoreDocs;

该方法收集文档集合并计算打分。

5. 返回查询结果给用户。

int cou=0;
             for(ScoreDoc sd:sds){
                 cou++;
                 Document d = searcher.doc(sd.doc);
//                    8、根据document对象获取查询的字段值
                 /**  查询结果中content为空，是因为索引中没有存储content的内容，需要根据索引path和name从原文件中获取content**/
                 res+=cou+". "+d.get("path")+" "+d.get("name")+" "+d.get("content")+"\n";
             }

在返回查询结果给用户时，为了提高用户体验，我们可以给关键词标注高亮和分页返回结果。

5.1 给关键词标注高亮。

    public  static String displayHtmlHighlight(Query query, String fieldName, String fieldContent) throws IOException, InvalidTokenOffsetsException
    {
         MyIkAnalyzer analyzer=new MyIkAnalyzer();
         //设置高亮标签,可以自定义
         SimpleHTMLFormatter formatter = new SimpleHTMLFormatter("<font color='#ff0000'>", "</font>");  
         /**创建QueryScorer*/
         //评分
         QueryScorer scorer=new QueryScorer(query);  
         /**创建Fragmenter*/  
         Fragmenter fragmenter = new SimpleSpanFragmenter(scorer);  
         //高亮分析器
         Highlighter highlight=new Highlighter(formatter,scorer);  
         highlight.setTextFragmenter(fragmenter);  
         //fieldname是域名，如"title",fieldContent是d.get("title");
         String str=highlight.getBestFragment(analyzer, fieldName, fieldContent);
         if (str==null) return fieldContent;
         return str;
     }

该函数有三个参数：

• Query query是第4步产生的查询对象。
• String fieldName是要标注内容的域名，比如“title”
• String fieldContent是要标注的具体内容，比如某一个“title”的具体内容。

该函数实现了两个基本功能：

• 如果要标注内容fieldContent为空，返回空串。
• 不为空时，对fieldContent进行自定义的html标签标注。

SimpleHTMLFormatter formatter = new SimpleHTMLFormatter("<font color='#ff0000'>", "</font>");  

这里可以进行个性化定制。关于HighLighter的具体用法大家可以参考我的另一篇博客【lucene系列学习二】Lucene实现高亮显示关键词

关于关键词高亮的具体原理可以参考搜索结果的处理和显示《第六篇》

5.2 分页展示结果。

这里介绍一种简单的分页方法：

int start=(pageIndex-1)*pageSize;
int end=pageIndex*pageSize;
 Document d=null;
 int cnt=0;
 for(int i=start;i<end&&i<sds.length;i++)
{
        d = searcher.doc(sds[i].doc);
    //输出d
}     

其中pageIndex和pageSize可以是前端传的参数。

以上五个步骤就可以基本实现Lucene的检索、关键词高亮和分页返回结果了，是不是很简单呢？

下节我们会介绍Lucene的高级检索方式~~