利用Lucene.net搭建站内搜索(4)---数据检索
前面的文章，我们已经对要检索的数据创建了索引，现在要做的就是为用户提供全文搜索的功能。通过Lucene我们还可以简单而高效地对搜索结果进行访问。此文和大家简单的说说利用Lucene.net进行数据的搜索。
当我们查询Lucene的一个索引时，Lucene会返回一个有序的Hits对象集合（collection）Lucene使用默认的评分方式对该集合内的对象按照其得分高低进行排序。对于一个给定的查询，Lucene为每个文档计算一个评分（即一个表示相关性的数值）。Hits本身不是实际的匹配文档集，只是指向这些匹配文档的引用（reference）。
Lucene.net中处理检索的核心API:
|
类 |
用 途 |
|
IndexSearcher |
搜索操作的入口。所有的搜索操作都是通过IndexSercher实例使用一个重载的search方法来实现 |
|
Query (及其子类) |
具体的Query子类为每一种特定类型的查询进行了逻辑上的封装。Query实例被传递到IndexSeracher的serach方法中 |
|
QueryParser |
将用户输入的（并且可读的）查询表达式处理为一个具体的Query对象 |
|
Hits |
提供对搜索结果的访问。Hits对象由IndexSearcher的search方法返回 |
IndexSearcher
IndexSercher简单易用。搜索操作是通过一个IndexSearcher的实例完成的。IndexSearcher有三个构造函数，目的是告诉IndexSearcher索引存放的路径。构造好IndexSearcher对象后，我们紧接着调用它的一个search方法进行搜索。Search方法提供了很多重载，这里主要方法有：
|
IndexSearcher.search的函数声明 |
使用场合 |
|
Hits search(Query query) |
直接进行搜索，无需过滤 |
|
Hits search(Query query,Filter filter) |
在过滤标准的约束下，把搜索限制在有效的文档子集之内 |
|
void search(Query query,HitCollector results) |
只有当我们需要使用搜索返回的所有文档时才调用这个方法。一般来说，只有搜索结果中前几个文档才是我们所需的，所以使用此方法会降低程序的性能 |
IndexSearcher实例只搜索在它被实例化时已存在的索引。如果制作索引和搜索并发进行，那么最新索引的文档对搜索来说是不可见的。为了能在搜索时找到这些新的文档，必须构造一个新的IndexSearcher对象。
QueryParser
QueryParser是Query的构造器。通过使用由自然语言表示的查询表达式，也可以创建某一个Query子类的对象。Lucene具有一个引人注目的特性，那就是我们可以通过QueryParser类对查询表达式进行解析。QueryParser的主要作用就是用来处理用户输入的查询条件。
Query
Lucene.net的查询操作最终要调用IndexSearcher中的search方法，在该方法中需要一个Query实例作为其参数。Query的子类能够通过其构造函数直接实例化。
如果想将搜索的文档限制在某一种类别的范围之内。根据搜索应用程序的用户界面，你可以通过日期采集器选择一个搜索的日期范围，也可以通过下拉菜单选择一个搜索的类别，或者还可以选择不受限制的搜索方式。这些功能都能够通过对QueryParser，BooleanQuery（组合查询），RangeQuery（在指定范围内搜索），TermQuery（通过项进行搜索），PhraseQuery（通过短语搜索），PrefixQuery （通过字符串进行搜索）类的整合来实现。
Hits
通过调用search(Query)方法，可以对返回的Hits对象进行处理。我们是通过Hits来访问搜索结果。
Hits类中用于有效地对搜索结果进行访问的方法：
|
Hits方法 |
返 回 值 |
|
length() |
Hits对象集合中所包含的文档的数量 |
|
doc(n) |
排名第n的Document实例 |
|
id(n) |
排名第n的Document ID |
|
score(n) |
排名第n的标准分值（以得分最高的文档的评分为标准，将分值标准化），这个分值大于0，小于等于1 |
Hits类对少数文档进行了缓存并且保留了最近使用过的文档。Lucene会自动检索出前100个文档并将其置入缓存。Lucene返回的Hits集合只向用户提供少数评分较高的文档，因为可能这些文档才是用户所需要的。doc(n)、id(n)和score(n)方法需要在文档还没有被放入缓存之前，就将其从索引中读取出来。因此我们建议你，若非真正需要显示或者访问这些文档，就不要调用这些方法。
通过实例实现数据的检索：
上篇我们已经为数据创建了索引，接着上篇的实例来实现检索的功能：
private void search()
{
indexDirectory = Server.MapPath("index")+"\\"; //索引路径;
wordPath = Server.MapPath("App_Data")+"\\"; //词库路径
highanalyzer = new Lucene.Net.Analysis.Standard.StandardAnalyzer();
searcher = new IndexSearcher(indexDirectory);
Analyzer KTDanalyzer = new KTDictSegAnalyzer(wordPath);
PerFieldAnalyzerWrapper wrapper = new PerFieldAnalyzerWrapper(KTDanalyzer);
wrapper.AddAnalyzer("News_Title", KTDanalyzer);
wrapper.AddAnalyzer("News_Body", KTDanalyzer);
string[] fields = new string[] { "News_Title" };
mfqp = new MultiFieldQueryParser(fields, wrapper);
string nowq = reqs(this.Query);
if (nowq.Length < 2)
{
return;
}
q = mfqp.Parse(reqs(this.Query));
BooleanQuery m_BooleanQuery = new BooleanQuery();
m_BooleanQuery.Add(q, BooleanClause.Occur.MUST);
Sort sort = new Sort(new SortField("ID", true));
Hits reshits = searcher.Search(m_BooleanQuery, sort);
MultiFieldQueryParser parser = new MultiFieldQueryParser(new string[] { "News_Title", "News_Body" }, highanalyzer);
highquery = parser.Parse(reqs(this.Query));
total = reshits.Length();
if (total > 0)
{
ShowHits(reshits);
}
Repeater1.DataSource = Results;
Repeater1.DataBind();
DataBind();
}
public void ShowHits(Hits hits)
{
this.Results.Columns.Add("title", typeof(string));
this.Results.Columns.Add("sample", typeof(string));
this.Results.Columns.Add("path", typeof(string));
this.Results.Columns.Add("time", typeof(string));
this.startAt = initStartAt();
int resultsCount = smallerOf(total, this.maxResults + this.startAt);
string qsid = "";
for (int i = 0; i < resultsCount; i++)
{
Document doc = hits.Doc(i);
qsid += doc.Get("ID") + ",";
}
qsid = qsid.Remove(qsid.Length - 1);
DataTable dtdb = os.GetTable("select ID,News_Title,News_Body from WEBNEWS where ID in(" + qsid + ")", "WEBNEWS").Tables[0];
for (int i = startAt; i < resultsCount; i++)
{
DataRow[] drs = dtdb.Select(" ID =" + hits.Doc(i).Get("ID"));
Document doc = hits.Doc(i);
string plainText, title;
plainText = parseHtml(drs[0]["News_Body"].ToString());
title = parseHtml(drs[0]["News_Title"].ToString());
DataRow row = this.Results.NewRow();
highlighter = new Highlighter(new SimpleHTMLFormatter("<font color=\"red\"><B>", "</B></font>"), new QueryScorer(highquery));
Lucene.Net.Analysis.TokenStream tokenStream = highanalyzer.TokenStream("News_Body", new System.IO.StringReader(plainText));
Lucene.Net.Analysis.TokenStream titletokenStream = highanalyzer.TokenStream("News_Title", new System.IO.StringReader(title));
string result = highlighter.GetBestFragments(tokenStream, plainText, 0, "");
string titleresult = highlighter.GetBestFragments(titletokenStream, title, 0, "");
if (string.IsNullOrEmpty(titleresult))
{
titleresult = title;
}
if (string.IsNullOrEmpty(result))
{
if (plainText.Length > 100)
{
result = plainText.Substring(0, 100);
}
else
result = plainText;
}
if (result.Length < plainText.Length)
result = result + "";
row["title"] = titleresult;
row["path"] = doc.Get("News_Url");
row["sample"] = result;
row["time"] = doc.Get("News_Date");
this.Results.Rows.Add(row);
}
}
运行效果：
小结：通过几篇文章和大家一起学习，复习了下Lucene.net的创建索引，分词处理，数据检查的内容，并实现了一个简单的站内搜索。当然Lucene.net的知识还有很多很多，如何追加索引，如何更好的分词，如何更高效的检索数据，都可以更深一步的研究。有什么学习心得还会和大家分享。
最后提前祝大家双节快乐！！O(∩_∩)O
实例代码：（注：只是个练习的小例子，里面可能还有很多Bug，仅供学习参考）
/Files/gaoweipeng/LuceneSearch.rar
文章作者：高维鹏（Brian）
文章出处：http://www.cnblogs.com/gaoweipeng
欢迎转载，转载时请注明出处。谢谢合作。
