02.Lucene实现全文检索

Lucene介绍

Lucene是apache下的一个开放源代码的全文检索引擎工具包。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，以方便的在目标系统中实现全文检索的功能。

依赖配置

Lucene是开发全文检索功能的工具包，从官方网站（http://lucene.apache.org/ ）下载Lucene4.10.3，并解压得到开发包。

常用核心包

• lucene-core-4.10.3.jar
• lucene-analyzers-common-4.10.3.jar
• lucene-queryparser-4.10.3.jar

Lucene的工作原理

创建索引的过程

• 原始文档
  • 它是用户需要查询的数据，可以使数据库中结构化的数据，也可以是一些非结构化的文档
• 获得文档
  • 对于硬盘上的文本文件，可以通过流的方式来获得文档的内容；对于pdf、doc、xls等文件可通过第三方提供的解析工具读取文件内容，比如Apache POI读取doc和xls的文件内容；互联网上的内容需要通过爬虫来获得，还有数据库中的结构化数据可以通过一般的方式获取
• 构建文本对象
  • 该文本对象是对需要建立索引数据的一个抽象，可以往这个文本对象中添加很多的Field，最终这个文本对象会被持久化保存在索引库中
• 分析文档
  • 分析文档所做的事情就是分词，根据分词来建立一个和Field对应索引
• 创建索引
  • 顾名思义，创建索引就是根据分词结果建立索引并写入索引库的过程
• 索引库
  • 索引库是文本对象持久化和索引保存的一个文件，也可以是一个内存索引库

查询索引的过程

• 创建查询
  • 查询包含精确查询以及分词后查询，还有多种查询结果的一个组合
• 执行查询
  • 创建查询的到的查询结果只是文本对象Document在索引库中的一个ID，还要根据这个ID来执行查询获得完整的文本对象
• 渲染结果
  • 渲染结果并不是Lucene应该做的，而是View视图层应该考虑的事情