Lucene.Net无障碍学习和使用:索引篇
项目中可能需要再次用到Lucene.Net,利用空闲时间写了个demo,主要涉及到索引的创建、删除、更新和一个简单查询。在本文示例中,Lucene.Net的版本是2.4.0,某些类和方法与最新版本或者较旧的版本有较多不同,希望您阅读顺利。
一、简单认识索引
Lucene.Net的应用相对比较简单。一段时间以来,我最多只是在项目中写点代码,利用一下它的类库而已,对很多名词术语不是很清晰,甚至理解可能还有偏差。从我过去的博客你也可以看出,语言表达一直不是个人所长,就算”表达“了也有大面积抄书的嫌疑,所以很多概念性的介绍能省则省(除非特别有别要说明),希望有心的初学者注意,理清概念和辨别技术名词非常重要,请参考相关文档。
Lucene的索引由1或多个segment(片段)构成,一个segment由多个document构成,一个document又由1个或多个field构成,一个field又由一个或多个term构成。下面这张图可以说明一切:
从图中不难看出,Lucene的索引是一个由点到线,由线到面的组成结构,这一点我们可以通过查看Lucene生成的索引文件看出来。
参考图片来源: http://alone2004.spaces.live.com/blog/cns!C2525069080D7BB!675.entry
二、创建、优化、删除和更新索引实践
备注:在解决方案所在文件夹中,有一个测试用的Resource文件夹,内有4个.txt文件。我在本地测试的时候,就使用了Resource下的四个文本文件。
1、索引保存至文件
(1)、创建索引
先初始化一个IndexModifier对象,然后执行创建索引的核心方法:
/// <summary> /// 给txt文件创建索引 /// </summary> /// <param name="file"></param> /// <param name="modifier"></param> private void IndexFile(FileInfo file, IndexModifier modifier) { try { Document doc = new Document();//创建文档,给文档添加字段,并把文档添加到索引书写器里 SetOutput("正在建立索引,文件名:" + file.FullName); doc.Add(new Field("id", id.ToString(), Field.Store.YES, Field.Index.TOKENIZED));//存储且索引 id++; /* filename begin */ doc.Add(new Field("filename", file.FullName, Field.Store.YES, Field.Index.TOKENIZED));//存储且索引 //doc.Add(new Field("filename", file.FullName, Field.Store.YES, Field.Index.UN_TOKENIZED)); //doc.Add(new Field("filename", file.FullName, Field.Store.NO, Field.Index.TOKENIZED)); //doc.Add(new Field("filename", file.FullName, Field.Store.NO, Field.Index.UN_TOKENIZED)); /* filename end */ /* contents begin */ //doc.Add(new Field("contents", new StreamReader(file.FullName, System.Text.Encoding.Default))); string contents = string.Empty; using (TextReader rdr = new StreamReader(file.FullName, System.Text.Encoding.Default)) { contents = rdr.ReadToEnd();//将文件内容提取出来 doc.Add(new Field("contents", contents, Field.Store.YES, Field.Index.TOKENIZED));//存储且索引 //doc.Add(new Field("contents", contents, Field.Store.NO, Field.Index.TOKENIZED));//不存储索引 } /* contents end */ modifier.AddDocument(doc); } catch (FileNotFoundException fnfe) { } }
最后,IndexModifier对象执行Close方法。
几个注意点:
a、IndexModifier类封装了平时经常使用的IndexWriter和IndexReader,而且不用我们额外考虑多线程;
b、StandardAnalyzer是经常使用的一个Analyzer,目前对中文分词支持的也还不错(大名鼎鼎的盘古分词请参考牛人eaglet的这几篇);
c、IndexModifier的Optimize方法的执行可以优化索引文件,但是比较耗时间,根据我的测试,索引文件越大,优化时间线性增加,所以实际的开发中这个方法我们都会按照一定的策略执行;
d、IndexModifier的Close方法必须执行,否则你所做的一切都是无用功。
(2)、按照id删除一条索引
代码相对而言非常简单,直接利用IndexModifier 的DeleteDocuents方法:
Directory directory = FSDirectory.GetDirectory(INDEX_STORE_PATH, false); IndexModifier modifier = new IndexModifier(directory, new StandardAnalyzer(), false); Term term = new Term("id", id); modifier.DeleteDocuments(term);//删除 modifier.Close(); directory.Close();
其中,IndexModifier还有一个方法DeleteDocument,它的参数是整数docNum,通常我们也不知道索引文件的内部docNum是多少,所以非常少用它。
(3)、按照id更新一条索引
贴一下主要方法:
bool enableCreate = IsEnableCreated();//是否已经创建索引文件 Term term = new Term("id", id); Document doc = new Document(); doc = new Document();//创建文档,给文档添加字段,并把文档添加到索引书写器里 doc.Add(new Field("id", id, Field.Store.YES, Field.Index.TOKENIZED));//存储且索引 doc.Add(new Field("filename", filename, Field.Store.YES, Field.Index.TOKENIZED)); doc.Add(new Field("contents", filename, Field.Store.YES, Field.Index.TOKENIZED)); LuceneIO.Directory directory = LuceneIO.FSDirectory.GetDirectory(INDEX_STORE_PATH, enableCreate); IndexWriter writer = new IndexWriter(directory, new StandardAnalyzer(),IndexWriter.MaxFieldLength.LIMITED); writer.UpdateDocument(term, doc); writer.Optimize(); //writer.Commit(); writer.Close(); directory.Close();
需要注意,这一次,我们使用了IndexWriter对象的UpdateDocument方法,而IndexModifier没有找到现成的UpdateDocument方法。Optimize通常需要执行一下,否则索引文件中会有两个相同id的索引。
2、索引保存至内存
如果1你已经理解了,2其实可以不用细究。在IndexModifier的构造函数里有一个重载:
public IndexModifier(Directory directory, Analyzer analyzer, bool create);
下面的示例代码中第一个参数RAMDirectory就是一个Directory,我们可以把它定义成静态,创建索引的时候就完成了保存至内存的效果:
private static RAMDirectory ramDir = null; IndexModifier modifier = new IndexModifier(ramDir, new StandardAnalyzer(), true);
经测试,增删改查原理同1。
3、利用Lucene.Net配合数据库查询
平时开发中,对于数据库中的海量数据,频繁读库可能不能满足效率和速度的需求。我们也可以利用Lucene.Net配合数据库快速查询结果。至于如何对数据库利用Lucene.Net创建索引,增删改查和同1中的介绍是一模一样的。比如本文demo中创建索引的实现,取前1000个人对他们的Id和姓名进行索引。在编码之前,我先往Person表中插入了一些数据:
INSERT Person(FirstName,LastName,Weight,Height) VALUES('明','姚',200,223) INSERT Person(FirstName,LastName,Weight,Height) VALUES('建联','易',180,213) INSERT Person(FirstName,LastName,Weight,Height) VALUES('德科','诺维斯基',180,211) INSERT Person(FirstName,LastName,Weight,Height) VALUES('德怀特','霍华德',190,218) INSERT Person(FirstName,LastName,Weight,Height) VALUES('约什','霍华德',178,197) INSERT Person(FirstName,LastName,Weight,Height) VALUES('蒂姆','邓肯',183,211) INSERT Person(FirstName,LastName,Weight,Height) VALUES('凯文','加内特',182,215) INSERT Person(FirstName,LastName,Weight,Height) VALUES('德隆','威廉姆斯',166,197)
接着先取出1000个人:
string sql = "SELECT TOP 1000 Id,FirstName,LastName FROM Person(NOLOCK)"; IList<Person> listPersons = EntityConvertor.QueryForList<Person>(sql, strSqlConn, null);
然后建立索引即可:
private void IndexDB(IndexModifier modifier,IList<Person> listModels) { SetOutput(string.Format("正在建立数据库索引,共{0}人",listModels.Count)); foreach (Person item in listModels) { Document doc = new Document();//创建文档,给文档添加字段,并把文档添加到索引书写器里 doc.Add(new Field("id", item.Id.ToString(), Field.Store.YES, Field.Index.TOKENIZED));//存储且索引 doc.Add(new Field("fullname", string.Format("{0} {1}",item.FirstName,item.LastName), Field.Store.YES, Field.Index.TOKENIZED));//存储且索引 modifier.AddDocument(doc); } }
同样的道理,最后我们也执行这两个方法(Optimize方法不是一定要做的):
modifier.Optimize();//优化索引 modifier.Close();//关闭索引读写器
三、搜索
本文示例代码中的搜索都是利用Lucene.Net的IndexSearcher默认的比较直接简单的一个搜索方法 Search(Query query, Filter filter, int n),很多重载方法我也没有使用过:
/// <summary> /// 根据索引搜索 /// </summary> /// <param name="keyword"></param> /// <returns></returns> private TopDocs Search(string keyword,string field) { TopDocs docs = null; int n = 10;//最多返回多少个结果 SetOutput(string.Format("正在检索关键字:{0}", keyword)); try { QueryParser parser = new QueryParser(field, new StandardAnalyzer());//针对内容查询 Query query = parser.Parse(keyword);//搜索内容 contents (用QueryParser.Parse方法实例化一个查询) Stopwatch watch = new Stopwatch(); watch.Start(); docs = searcher.Search(query, (Filter)null, n); //获取搜索结果 watch.Stop(); StringBuffer sb = "索引完成,共用时:" + watch.Elapsed.Hours + "时 " + watch.Elapsed.Minutes + "分 " + watch.Elapsed.Seconds + "秒 " + watch.Elapsed.Milliseconds + "毫秒"; SetOutput(sb); } catch (Exception ex) { SetOutput(ex.Message); docs = null; } return docs; } /// <summary> /// 显示搜索结果 /// </summary> /// <param name="queryResult"></param> private void ShowFileSearchResult(TopDocs queryResult) { if (queryResult == null || queryResult.totalHits == 0) { SetOutput("Sorry,没有搜索到你要的结果。"); return; } int counter = 1; foreach (ScoreDoc sd in queryResult.scoreDocs) { try { Document doc = searcher.Doc(sd.doc); string id = doc.Get("id");//获取id string fileName = doc.Get("filename");//获取文件名 string contents = doc.Get("contents");//获取文件内容 string result = string.Format("这是第{0}个搜索结果,Id为{1},文件名为:{2},文件内容为:{3}{4}", counter, id, fileName, Environment.NewLine, contents); SetOutput(result); } catch (Exception ex) { SetOutput(ex.Message); } counter++; } }
下一篇我会补充介绍一下Lucene.Net常用的搜索、排序和分页,今天偷懒一下。
最后,本文demo中的代码算不上优美,可读性还凑合,希望大家下载之后看看吧,我还在幻想万一对新手能有所帮助,或者引来某个误入的高手指点一二,于人于己那就真是善莫大焉了。
demo下载:LuceneNetApp
参考:
http://www.cnblogs.com/birdshover/category/152283.html
作者:Jeff Wong
出处:http://jeffwongishandsome.cnblogs.com/
本文版权归作者和博客园共有,欢迎围观转载。转载时请您务必在文章明显位置给出原文链接,谢谢您的合作。