Lucence

Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎。Lucene的目的是为软件开发人员提供一个简单易用的工具包.

粘贴这句话的意思就是想说明  Lucene仅仅是一个工具包,搜索引擎的工具包.

有人会问?Lucene和solr的区别,solr是一个搜索系统,打个比方,就如servlet和struts2的区别   Lucene就是servlet,solr就好比solr,solr封装了Lucene.

下面说说Lucene的原理:

我们使用Lucene,其实使用的是他的倒排查询

什么是倒排查询?举个例子

新华字典,我们都用过吧,新华字典分为两部分,第一部门就是目录的边旁部首,第二部分就是正文,一个一个字的解释,

我们在用新华字典的时候,一般我们都是通过边旁部首找字,没有人一页一页的翻字典找字吧.

Lucene的倒排就是如此,他会检索文本,数据库,web网页,在把内容分词,就像边旁部首

再次强调

搜索引擎(百度,谷歌)和lucene的区别

搜索引擎就是一个应用,lucene就是一个搜索工具类

 

name:lucene表示要搜索name这个Field域中，内容为“lucene”的文档。

desc:lucene AND desc:java 表示要搜索即包括关键字“lucene”也包括“java”的文档。

 

看不懂没关系

我接下来说明Doucment和Field关系

这里我用数据库中的一条数据说明

这一条数据就是一个document文档

 每一个字段就是一个Field域

这样说是不是豁然开朗了.

 

 

接下来,我们说说分词器

这个lucene是外国人搞得,对中文的支持不说你也知道,不多外国人也想到这一点,"我是中国人">>我  是  中  国  人   >> 这样的效果其实还不是我们想要的,我们要的是"中国","国人"这样的词汇,这里我也不打哑谜了,市场上有很多中文分词器,无敌的存在我觉得就是IK了,这是一个jar包,导入项目即可,说他无敌是因为他可以自己加词,比如"屌丝","高富帅",这也词,可以自己加到分词器中,让程序认得.

这就是要用到的包;

ik下载后把这3个文件也要导入项目中,ext.dic是加词的,stop是停词的.

 

前面的都是Lucece的理论,只有理论搞懂了,下面的代码实现过程也就轻松了

package com.itheima.lucene;

import java.io.File;
import java.util.ArrayList;
import java.util.List;

import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field.Store;
import org.apache.lucene.document.TextField;
import org.apache.lucene.index.DirectoryReader;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
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;
import org.junit.Test;
import org.wltea.analyzer.lucene.IKAnalyzer;

import com.itheima.dao.BookDao;
import com.itheima.dao.impl.BookDaoImpl;
import com.itheima.pojo.Book;

public class CreateIndexTest {
    //分词
    @Test
    public void testCreateIndex() throws Exception{
    //    1. 采集数据
        BookDao bookDao = new BookDaoImpl();
        List<Book> listBook = bookDao.queryBookList();
        
    //    2. 创建Document文档对象
        List<Document> documents = new ArrayList<>();
        for (Book bk : listBook) {
            
            Document doc = new Document();
            doc.add(new TextField("id", String.valueOf(bk.getId()), Store.YES));// Store.YES:表示存储到文档域中
            doc.add(new TextField("name", bk.getName(), Store.YES));
            doc.add(new TextField("price", String.valueOf(bk.getPrice()), Store.YES));
            doc.add(new TextField("pic", bk.getPic(), Store.YES));
            doc.add(new TextField("desc", bk.getDesc(), Store.YES));
            
            // 把Document放到list中
            documents.add(doc);
        }
        
    //    3. 创建分析器（分词器）
        //Analyzer analyzer = new StandardAnalyzer();
        //中文  IK
        Analyzer analyzer = new IKAnalyzer();
        
    //    4. 创建IndexWriterConfig配置信息类
        IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_4_10_3, analyzer);
        
    //    5. 创建Directory对象，声明索引库存储位置
        Directory directory = FSDirectory.open(new File("H:\\temp"));
        
    //    6. 创建IndexWriter写入对象
        IndexWriter writer = new IndexWriter(directory, config);
        
    //    7. 把Document写入到索引库中
        for (Document doc : documents) {
            writer.addDocument(doc);
        }
        
    //    8. 释放资源
        writer.close();
    }


         //查
    @Test
    public void serachIndex() throws Exception{
        //创建分词器   必须和检索时的分析器一致
        Analyzer analyzer = new StandardAnalyzer();
        // 创建搜索解析器，第一个参数：默认Field域，第二个参数：分词器
        QueryParser queryParser = new QueryParser("desc", analyzer);
        
        // 1. 创建Query搜索对象
        Query query = queryParser.parse("desc:java AND lucene");
            
        // 2. 创建Directory流对象,声明索引库位置
        Directory directory = FSDirectory.open(new File("H:\\temp"));
        
        // 3. 创建索引读取对象IndexReader
        IndexReader indexReader = DirectoryReader.open(directory);
        
        // 4. 创建索引搜索对象IndexSearcher
        IndexSearcher indexSearcher = new IndexSearcher(indexReader);
        
        // 5. 使用索引搜索对象，执行搜索，返回结果集TopDocs
        // 第一个参数：搜索对象，第二个参数：返回的数据条数，指定查询结果最顶部的n条数据返回
        TopDocs topDocs  = indexSearcher.search(query, 10);
        System.out.println("查询到的数据总条数是：" + topDocs.totalHits);
        //获得结果集
        ScoreDoc[] docs = topDocs.scoreDocs;
        
        // 6. 解析结果集
        for (ScoreDoc scoreDoc : docs) {
            //获得文档
            int docID = scoreDoc.doc;
            Document doc = indexSearcher.doc(docID);
            
            System.out.println("docID:"+docID);
            System.out.println("bookid:"+doc.get("id"));
            System.out.println("pic:"+doc.get("pic"));
            System.out.println("name:"+doc.get("name"));
            System.out.println("desc:"+doc.get("desc"));
            System.out.println("price:"+doc.get("price"));
        }
        
        // 7. 释放资源
        indexReader.close();
    }
}