LUCENE.NET学习总结一

2008年02月22日 星期五 下午 09:04

Lucene是有名的开源搜索框架，具体细节自己查。对于英文来说，其对分词的处理已经比较不错，但是对于日文，中文等的处理太差，所以对我们中文来说，分词是瓶颈。因为不是按照间隔区分“词汇”的，我才接触，到项目中，使用，已经是快一年了，因为自己很喜欢c#，所以，一直就关注的是LUCENE.NET，没有时间看lucene（java）版本的。当然，我的java水平真的拿不出来让大家一笑。
   
   我先通俗的介绍一些其保存数据的方式，它把数据按照其一个索引值保留，搜索的时候直接对其索引位置获取，再由这个值取具体的值。
  
   下面我说使用，和常见的DB操作一样，需要了解的是：新建，删除，编辑更新（先删除，再更新），合并，优化。
  
   我下面有时间的话会详细的介绍其使用，由于开源，我就把关键代码贴出来就可以了。

  1：创建索引
   首先创建一个目录，保持所有文件的。
//private Directory directory =new RAMDirectory(FSDirectory.GetDirectory(@TUtility.StaticIODataPath, true));
//private Directory directory =new RAMDirectory(@TUtility.StaticIODataPath);
private Directory directory =FSDirectory.GetDirectory(@TUtility.StaticIODataPath.TrimEnd('/')+"/"+"wordtype", false);//第一次True，以后false
  
注释说明：
   RAMDirectory（缓存）和 FSDirectory都可以使用(注意 FSDirectory.GetDirectory 的 create 参数，为 true 时将删除已有索引库文件，如果需要，则可通过 IndexReader.IndexExists() 方法判断)

从指定目录打开已有索引库。
private Directory directory = FSDirectory.GetDirectory("c:\index", false);

将索引库载入内存，以提高搜索速度。
private Directory directory = new RAMDirectory(FSDirectory.GetDirectory(@"c:\index", false));
//或
//private Directory directory = new RAMDirectory(c:\index");


   第二步骤就是创建一个分析器，就是来分词的，中文分词的有雨痕的，shooot的，SharpICTCLAS等等，还有个JB 海量的，主要依靠的是庞大的分词库，这个在以后的慢慢岁月有时间的话我慢慢说：

private Analyzer analyzer = new StandardAnalyzer();

我这是标准的分词，Lucene自带的
  
然后就是创建一个IndexWriter ，和XmlWriter一样，往下面写：
      IndexWriter writer = new IndexWriter(ufile, analyzer, true);//第一次True，以后false
     //writer.SetMaxFieldLength(1000);
     writer.SetMaxMergeDocs(2);//文档合并数
     //writer.SetMergeFactor(1000);//合并因子
     writer.AddDocument(GetNewDocument(new string[]{initvalue,initvalue}));
     writer.Optimize();
     writer.Close();//保存
     writer.SetUseCompoundFile(true);//合并文件

GetNewDocument是我自己定义的，原型如下：

private Document GetNewDocument(string[] args){
     Document document = new Document();
     document.Add(new Field("HashKey",         args[0],             Field.Store.YES, Field.Index.UN_TOKENIZED));
     document.Add(new Field("ChineseName",     args[1],             Field.Store.YES, Field.Index.UN_TOKENIZED));
     return document;
}

主要是创建一个Term，是索引的最小因子，记录的就是这个对象了。

其中，需要说明的是，IndexWrite.AddDocument这个方法不检测重复值，如果你需要更新的话，就先找出原来已经存在的（系列教程会说的），删除，然后添加。

IndexWriter的第三个参数是当你判断segments文件存在不，true意味着新建库或覆盖已经存在的库，false意味着追加到已经存在的库，如果false但是没有segment和cfs文件，那就报错，所以之前的，判断是不是第一次，就重要了：

if(!IndexReader.IndexExists(directory)){
//第一次，需要初始化
//MakeInit(directory);
}
  

，创建索引文件差不多就到这里吧，具体细节可以复制具体的类或者方法名，自己查。

以后我慢慢的吧所有的体会都写出来。再做和demo！伟大的计划啊.