博客园  :: 首页  :: 新随笔  :: 联系 :: 管理

一个例子学懂搜索引擎(lucene)

Posted on 2010-08-03 19:47  codingsilence  阅读(133)  评论(0)  编辑  收藏  举报
其实，lucene是一个很容易上手的搜索引擎框架，传统的搜索引擎，涉及到爬虫，也就是爬取网页，然后对网页进行加工，也就是索引，最后用于搜索，lucene这个框架可以很方便的帮你做到后面两个步骤，也就是索引和搜索！本文尝试通过一个例子，使大家掌握lucene的使用核心方法，包括分词、索引、搜索不同的目录、搜索不同的域，希望大家通过这个实例，对lucene和搜索引擎能有比较全面的认识！

 

其实，lucene是一个很容易上手的搜索引擎框架，传统的搜索引擎，涉及到爬虫，也就是爬取网页，然后对网页进行加工，也就是索引，最后用于搜 索，lucene这个框架可以很方便的帮你做到后面两个步骤，也就是索引和搜索！本文尝试通过一个例子，使大家掌握lucene的使用核心方法，包括分 词、索引、搜索不同的目录、搜索不同的域，希望大家通过这个实例，对lucene和搜索引擎能有比较全面的认识！

下面是这个例子的代码：
phz.LuceneTest.java

 
  1. package phz;
  2.  
  3. import org.apache.lucene.analysis.standard.StandardAnalyzer;
  4. import org.apache.lucene.document.Document;
  5. import org.apache.lucene.document.Field;
  6. import org.apache.lucene.index.IndexWriter;
  7. import org.apache.lucene.queryParser.MultiFieldQueryParser;
  8. import org.apache.lucene.search.BooleanClause;
  9. import org.apache.lucene.search.Hits;
  10. import org.apache.lucene.search.IndexSearcher;
  11. import org.apache.lucene.search.MultiSearcher;
  12. import org.apache.lucene.search.Query;
  13.  
  14. /**
  15.  * 这个实例包含了lucene所有核心用法
  16.  *
  17.  * @author panhuizi
  18.  *
  19.  */
  20. public class LuceneTest {
  21.  
  22.     public static void main(String[] args) {
  23.         try {
  24.             LuceneTest luceneTest = new LuceneTest();
  25.             // 创建索引
  26.             luceneTest.index();
  27.             // 在索引所在目录下搜索"中国 金牌"
  28.             luceneTest.search("中国 金牌");
  29.         } catch (Exception e) {
  30.             e.printStackTrace();
  31.         }
  32.         System.out.println("ok");
  33.     }
  34.  
  35.     public void index() throws Exception {
  36.         /* 创建索引初始化，执行这些语句将创建或清空d://save//目录下所有索引 */
  37.         IndexWriter writer1 = new IndexWriter("d://save//",
  38.                 new StandardAnalyzer(), true);
  39.         writer1.close();
  40.  
  41.         /*
  42.          * 往创建的初始化索引中添加索引内容，StandardAnalyzer表示用lucene自带的标准分词机制，
  43.          * false表示不覆盖原来该目录的索引，细心的读者可能已经发现， 这句话和上面的那句就这个false不一样
  44.          */
  45.         IndexWriter writer2 = new IndexWriter("d://save//",
  46.                 new StandardAnalyzer(), false);
  47.         /* 创建一份文件 */
  48.         Document doc1 = new Document();
  49.         /*
  50.          * 创建一个域ArticleTitle，并往这个域里面添加内容 "Field.Store.YES"表示域里面的内容将被存储到索引
  51.          * "Field.Index.TOKENIZED"表示域里面的内容将被索引，以便用来搜索
  52.          */
  53.         Field field1 = new Field("ArticleTitle", "北京2008年奥运会", Field.Store.YES,
  54.                 Field.Index.TOKENIZED);
  55.         /* 往文件里添加这个域 */
  56.         doc1.add(field1);
  57.         /* 同理：创建另外一个域ArticleText，并往这个域里面添加内容 */
  58.         Field field2 = new Field("ArticleText", "这是一届创造奇迹、超越梦想的奥运会.......",
  59.                 Field.Store.YES, Field.Index.TOKENIZED);
  60.         doc1.add(field2);
  61.         // 在这里还可以添加其他域
  62.         /* 添加这份文件到索引 */
  63.         writer2.addDocument(doc1);
  64.  
  65.         /* 同理：创建第二份文件 */
  66.         Document doc2 = new Document();
  67.         field1 = new Field("ArticleTitle", "中国获得全球赞誉", Field.Store.YES,
  68.                 Field.Index.TOKENIZED);
  69.         doc2.add(field1);
  70.         field2 = new Field("ArticleText", "中国所取得的金牌总数排行榜的榜首........",
  71.                 Field.Store.YES, Field.Index.TOKENIZED);
  72.         doc2.add(field2);
  73.  
  74.         writer2.addDocument(doc2);
  75.  
  76.         // 在这里可以添加其他文件
  77.  
  78.         /* 关闭 */
  79.         writer2.close();
  80.     }
  81.  
  82.     public void search(String serchString) throws Exception {
  83.         /* 创建一个搜索，搜索刚才创建的d://save//目录下的索引 */
  84.         IndexSearcher indexSearcher = new IndexSearcher("d://save//");
  85.         /* 在这里我们只需要搜索一个目录 */
  86.         IndexSearcher indexSearchers[] = { indexSearcher };
  87.         /* 我们需要搜索两个域"ArticleTitle", "ArticleText"里面的内容 */
  88.         String[] fields = { "ArticleTitle", "ArticleText" };
  89.         /* 下面这个表示要同时搜索这两个域，而且只要一个域里面有满足我们搜索的内容就行 */
  90.         BooleanClause.Occur[] clauses = { BooleanClause.Occur.SHOULD,
  91.                 BooleanClause.Occur.SHOULD };
  92.         /*
  93.          * MultiFieldQueryParser表示多个域解析，
  94.          * 同时可以解析含空格的字符串，如果我们搜索"中国 金牌"，根据前面的索引，显然搜到的是第二份文件
  95.          */
  96.         Query query = MultiFieldQueryParser.parse(serchString, fields, clauses,
  97.                 new StandardAnalyzer());
  98.         /* Multisearcher表示多目录搜索，在这里我们只有一个目录 */
  99.         MultiSearcher searcher = new MultiSearcher(indexSearchers);
  100.         /* 开始搜索 */
  101.         Hits h = searcher.search(query);
  102.         /* 把搜索出来的所有文件打印出来 */
  103.         for (int i = 0; i < h.length(); i++) {
  104.             /* 打印出文件里面ArticleTitle域里面的内容 */
  105.             System.out.println(h.doc(i).get("ArticleTitle"));
  106.             /* 打印出文件里面ArticleText域里面的内容 */
  107.             System.out.println(h.doc(i).get("ArticleText"));
  108.         }
  109.         /* 关闭 */
  110.         searcher.close();
  111.     }
  112. }

 

附件中每一步骤都有比较详细的说明！
关于lucene，有任何疑问，都可以提出来，大家一起交流！