Lucene学习笔记（2）--lucene的核心类介绍

      知彼知己百战不殆，为了有效地使用Lucene，你需要深入的理解它是如何工作的，以及如何在需要的时候扩展它。下面，我们将首先熟悉一下Lucene为索引和搜索所公开的核心类。

1、索引过程的核心类

•  IndexWriter
•  Directory
•  Analyzer
•  Document
•  Field

下图展示了这些类在建立索引的过程中是如何协作的。

  1.1 IndexWriter

       IndexWriter（写索引）是索引过程的核心组件，这个类负责创建新索引或者打开已有索引，以及向索引中添加、删除或更新被索引文档的信息。可以把它看做这样一个对象：它为你提供针对索引文件的写入操作，但不能用于读取或搜索索引。

  1.2 Directory

       Directory类描述了Lucene索引的存放位置。它的子类负责具体指定索引的存储路径。

  1.3 Analyzer

       文本文件在被索引前，需要经过Analyzer（分析器）处理。Analyzer是由IndexWriter的构造方法来指定的，它负责从被索引文本文件中提取词汇单元，并剔除剩下的无用信息。Analyzer是一个抽象类，Lucene提供了几个类实现它。这些类有的用于跳过停用词（英文中如：a、an、the、in等，中文中如：的，把，呢，啊等）；有的用于把词汇单元转换成小写形式，以使搜索过程能忽略大小写差别；对于要将Lucene集成到应用程序的开发人员来说，选择什么样的Analyzer是程序设计中的非常关键一步。

  1.4 Document

       Document（文档）对象代表一些域（field）的集合。你可以将Document对象理解为虚拟文档如Web页面、邮件信息、文本文件，然后你可以从中取回大量数据。

  1.5 Field

       索引中的每个文档都包含一个或多个不同命名的域，这些域包含在Field类中。每个域都有一个域名和对应的域值，以及一组选项来精确控制Lucene索引操作的各个域值。文档中可能拥有不止一个同名的域。在这种情况下，域的值就按照索引操作顺序添加进去。在搜索时，所有的域的文本连接在一起，作为一个文本域来处理。

 2、搜索过程的核心类

•  IndexSearcher
•  Term
•  Query
•  TermQuery
•  TopDocs

  2.1 IndexSearcher

       IndexSearcher类用于搜索由IndexWriter类创建的索引，这个类公开了几个搜索方法，它是连接索引的中心环节。可以将IndexSearcher类看做一个以只读方式打开索引的类。它需要利用Directory实例来掌控前期创建的索引，然后才能提供大量的搜索方法。

  2.2 Term

       Term对象是搜索功能的基本单元。与Field对象类似，Term对象包含一对字符串元素：域名和单词（或域文本值）。在搜索过程中可以创建Term对象，并和TermQuery对象一起使用：

  Query q = new TermQuery(new Term("contents","lucene"));

  TopDocs hits = searcher.search(q, 10);

   以上代码命令Lucene寻找contents域中包含单词lucene的前10个文档，并按照降序的排列这10个文档。

  2.3 Query

       Lucene含有许多具体的Query子类。目前我们使用到的只是Lucene基本的子类：TermQuery类。其他的子类有：BooleanQuery、PhraseQuery、PrefixQuery、PhrasePrefixQuery、TermRangeQuery、NumericRangeQuery、FilteredQuery和SpanQuery。Query是他们共同的抽象父类。

  2.4 TermQuery

        TermQuery是lucene提供的最基本的查询类型，也是最简单的查询类型之一。它用来匹配指定域中包含特定项的文档。

  2.5 TopDocs

        TopDocs类是一个简单的指针容器，指针一般指向前N个排名的搜索结果，搜索结果即匹配查询条件的文档。TopDocs会记录前N个结果中每个结果的int docID和浮点分数。