Lucene
全文检索：
检索数据，数据的分类：
在计算机当中，比如说存在磁盘的文本文档，HTML页面，Word文档等等......
结构化数据
格式固定，长度固定，数据类型固定等等，我们称之为结构化数据，比如说数据库中的数据
非结构化数据
word文档，HTML文件，pdf文档，文本文档等等，格式不固定，长度不固定，数据类型不固定，成为非结构化数据
数据的查询
结构化数据查询
SQL语句 select * from user where userid=1
非结构化数据的查询
非结构化数据查询有一些难度，比如我们在一个文本文件当中找到spring关键字
目测 一个一个查找文件....
使用程序将文件读取到内存当中，然后匹配字符串spring，这种方式被称为顺序扫描
将我们非结构化数据转换为结构化数据
全文检索
创建索引，然后查询索引的过程我们称之为全文检索
索引一次创建可以多次使用，这样就不用了每一次都进行文件数据查分，比较快
全文检索框架Lucene
Lucene：
apache Lucene基于Java开发开源全文检索项目工具包，http://lucene.apache.org/，除Lucene外，Solr，ES等都是全文检索框架，以及Lucene
Lucene全文检索流程：
创建索引
获取文档
获得原始文档，要基于那些数据进行搜索，这些数据就是原始文档
如何获取原始文档：
搜索引擎：根据爬虫获得原始文档
站内搜索：基本上都是从数据库当中获取的，JDBC获取
磁盘文件：利用IO流读取
构建文档对象
每一个原始文档都是一个文档对象
比如磁盘文件，每一个文件就是一个文档对象，京东搜索，每一个商品就是一个文档对象
每一个文档对象当中包含多个域
域中存储文档信息，存储文档名称，文档路径，文档大小，文档内容，域中有两大部分：
域的名称name，域的值spring.txt key=value，每一个文档都有一个文档编号ID
创建索引
基于关键词列表创建一个索引，保存到索引库当中，一次创建多次使用
索引库：
索引
document对象
关键词和文档的对应关系，采用倒排索引结构
查询索引
用户查询接口：用户输入查询条件的地方，比如百度搜索框，jd商品搜索框
获取到关键词，获取到关键词后封装成一个查询对象要查询的域，和要搜索的关键词
执行查询，根据查询的关键词和对应的域去查询
根据关键词和文档的对应关系，利用倒排索引结构，找到文档id，找到id后就能定位到文档
渲染结果
Lucene入门程序环境搭建
<!-- https://mvnrepository.com/artifact/org.apache.lucene/lucene-core --> <dependency> <groupId>org.apache.lucene</groupId> <artifactId>lucene-core</artifactId> <version>7.4.0</version> </dependency> <!-- https://mvnrepository.com/artifact/org.apache.lucene/lucene-analyzers-common --> <dependency> <groupId>org.apache.lucene</groupId> <artifactId>lucene-analyzers-common</artifactId> <version>7.4.0</version> </dependency> <!-- https://mvnrepository.com/artifact/commons-io/commons-io --> <dependency> <groupId>commons-io</groupId> <artifactId>commons-io</artifactId> <version>2.4</version> </dependency>
创建索引
public static void main(String[] args) throws Exception {
//创建Directory对象，用于指定索引库的位置 RAMDirectory内存
Directory directory = FSDirectory.open(new File("D:\\Y3\\0224\\luceneindex").toPath());
//创建一个IndexWriter对象，用于写索引
IndexWriter indexWriter=new IndexWriter(directory,new IndexWriterConfig());
//读取磁盘中文件，对应每一个文件创建一个文档对象
File file=new File("D:\\Y3\\0224\\index");
//获取文件列表
File[] files = file.listFiles();
for (File item:files) {
//获取文件数据，封装域 参数三：是否存储
Field fieldName=new TextField("fieldName",item.getName(), Field.Store.YES);
Field fieldPath=new TextField("fieldPath",item.getPath(), Field.Store.YES);
Field fieldSize=new TextField("fieldSize", FileUtils.sizeOf(item)+"", Field.Store.YES);
Field fieldContent=new TextField("fieldContent", FileUtils.readFileToString(item,"UTF-8"), Field.Store.YES);
//创建文档对象，向文档对象中添加域
Document document=new Document();
document.add(fieldName);
document.add(fieldPath);
document.add(fieldSize);
document.add(fieldContent);
//创建索引，将文档对象写入到索引库
indexWriter.addDocument(document);
}
//关闭资源
indexWriter.close();
}
查看索引
ndexSearcher indexSearcher=new IndexSearcher(indexReader);
//创建Query查询对象
Query query=new TermQuery(new Term("fieldContent","spring"));
//执行查询，获取到文档对象
TopDocs topDocs = indexSearcher.search(query, 10);
System.out.println(topDocs.totalHits+"个文档");
//获取文档列表
ScoreDoc[] scoreDocs=topDocs.scoreDocs;
for (ScoreDoc item:scoreDocs) {
//获取文档ID
int docId=item.doc;
//取出文档
Document doc = indexSearcher.doc(docId);
//获取到文档域中数据
System.out.println("fieldName:"+doc.get("fieldName"));
System.out.println("fieldPath:"+doc.get("fieldPath"));
System.out.println("fieldSize:"+doc.get("fieldSize"));
System.out.println("fieldContent:"+doc.get("fieldContent"));
System.out.println("==============================================================");
}
//关闭资源
indexReader.close();
}
