lucene的簡單實(shí)例<一>
關(guān)鍵字: lucene
說明一下,這一篇文章的用到的lucene,是用2.0版本的,主要在查詢的時候2.0版本的lucene與以前的版本有了一些區(qū)別.
其實(shí)這一些代碼都是早幾個月寫的,自己很懶,所以到今天才寫到自己的博客上,高深的文章自己寫不了，只能記錄下一些簡單的記錄與點(diǎn)滴，其中的代碼算是自娛自樂的，希望高手不要把重構(gòu)之類的砸下來...
1、在windows系統(tǒng)下的的C盤，建一個名叫s的文件夾,在該文件夾里面隨便建三個txt文件，隨便起名啦，就叫"1.txt","2.txt"和"3.txt"啦
其中1.txt的內(nèi)容如下：
代碼
中華人民共和國
全國人民
2006年
而"2.txt"和"3.txt"的內(nèi)容也可以隨便寫幾寫，這里懶寫，就復(fù)制一個和1.txt文件的內(nèi)容一樣吧
2、下載lucene包，放在classpath路徑中
建立索引:
代碼
1
package lighter.javaeye.com;
2
3import java.io.BufferedReader;
4import java.io.File;
5import java.io.FileInputStream;
6import java.io.IOException;
7import java.io.InputStreamReader;
8import java.util.Date;
9
10import org.apache.lucene.analysis.Analyzer;
11import org.apache.lucene.analysis.standard.StandardAnalyzer;
12import org.apache.lucene.document.Document;
13import org.apache.lucene.document.Field;
14import org.apache.lucene.index.IndexWriter;
15
16
/** *//**
17
* author lighter date 2006-8-7
18
*/
19public class TextFileIndexer 
{
20
public static void main(String[] args) throws Exception {
21 /**//* 指明要索引文件夾的位置,這里是C盤的S文件夾下 */
22 File fileDir = new File("c:\\s");
23
24 /**//* 這里放索引文件的位置 */
25 File indexDir = new File("c:\\index");
26 Analyzer luceneAnalyzer = new StandardAnalyzer();
27 IndexWriter indexWriter = new IndexWriter(indexDir, luceneAnalyzer,
28 true);
29 File[] textFiles = fileDir.listFiles();
30 long startTime = new Date().getTime();
31
32 //增加document到索引去
33 for (int i = 0; i < textFiles.length; i++) {
34 if (textFiles[i].isFile()
35 && textFiles[i].getName().endsWith(".txt")) {
36 System.out.println("File " + textFiles[i].getCanonicalPath()
37 + "正在被索引.");
38 String temp = FileReaderAll(textFiles[i].getCanonicalPath(),
39 "GBK");
40 System.out.println(temp);
41 Document document = new Document();
42 Field FieldPath = new Field("path", textFiles[i].getPath(),
43 Field.Store.YES, Field.Index.NO);
44 Field FieldBody = new Field("body", temp, Field.Store.YES,
45 Field.Index.TOKENIZED,
46 Field.TermVector.WITH_POSITIONS_OFFSETS);
47 document.add(FieldPath);
48 document.add(FieldBody);
49 indexWriter.addDocument(document);
50
}
51 }
52 //optimize()方法是對索引進(jìn)行優(yōu)化
53 indexWriter.optimize();
54 indexWriter.close();
55
56 //測試一下索引的時間
57 long endTime = new Date().getTime();
58 System.out
59 .println("這花費(fèi)了"
60 + (endTime - startTime)
61 + " 毫秒來把文檔增加到索引里面去!"
62 + fileDir.getPath());
63 }
64
65 public static String FileReaderAll(String FileName, String charset)
66 throws IOException {
67 BufferedReader reader = new BufferedReader(new InputStreamReader(
68 new FileInputStream(FileName), charset));
69 String line = new String();
70 String temp = new String();
71
72 while ((line = reader.readLine()) != null) {
73 temp += line;
74 }
75 reader.close();
76 return temp;
77 }
78}
索引的結(jié)果：
代碼
File C:\s\1.txt正在被索引....
中華人民共和國全國人民2006年
File C:\s\2.txt正在被索引....
中華人民共和國全國人民2006年
File C:\s\3.txt正在被索引....
中華人民共和國全國人民2006年
這花費(fèi)了297 毫秒來把文檔增加到索引里面去!c:\s
3、建立了索引之后，查詢啦....
代碼
1package lighter.javaeye.com;
2
3import java.io.IOException;
4
5import org.apache.lucene.analysis.Analyzer;
6import org.apache.lucene.analysis.standard.StandardAnalyzer;
7import org.apache.lucene.queryParser.ParseException;
8import org.apache.lucene.queryParser.QueryParser;
9import org.apache.lucene.search.Hits;
10import org.apache.lucene.search.IndexSearcher;
11import org.apache.lucene.search.Query;
12
13public class TestQuery {
14 public static void main(String[] args) throws IOException, ParseException {
15 Hits hits = null;
16 String queryString = "中華";
17 Query query = null;
18 IndexSearcher searcher = new IndexSearcher("c:\\index");
19
20 Analyzer analyzer = new StandardAnalyzer();
21 try {
22 QueryParser qp = new QueryParser("body", analyzer);
23 query = qp.parse(queryString);
24 } catch (ParseException e) {
25 }
26 if (searcher != null) {
27 hits = searcher.search(query);
28 if (hits.length() > 0) {
29 System.out.println("找到:" + hits.length() + " 個結(jié)果!");
30 }
31 }
32 }
33
34}
lucene簡單實(shí)例<二>
Lucene 其實(shí)很簡單的,它最主要就是做兩件事:建立索引和進(jìn)行搜索
來看一些在lucene中使用的術(shù)語,這里并不打算作詳細(xì)的介紹,只是點(diǎn)一下而已----因?yàn)檫@一個世界有一種好東西，叫搜索。
IndexWriter:lucene中最重要的的類之一，它主要是用來將文檔加入索引，同時控制索引過程中的一些參數(shù)使用。
Analyzer:分析器,主要用于分析搜索引擎遇到的各種文本。常用的有StandardAnalyzer分析器,StopAnalyzer分析器,WhitespaceAnalyzer分析器等。
Directory:索引存放的位置;lucene提供了兩種索引存放的位置，一種是磁盤，一種是內(nèi)存。一般情況將索引放在磁盤上；相應(yīng)地lucene提供了FSDirectory和RAMDirectory兩個類。
Document:文檔;Document相當(dāng)于一個要進(jìn)行索引的單元，任何可以想要被索引的文件都必須轉(zhuǎn)化為Document對象才能進(jìn)行索引。
Field：字段。
IndexSearcher:是lucene中最基本的檢索工具，所有的檢索都會用到IndexSearcher工具;
Query:查詢，lucene中支持模糊查詢，語義查詢，短語查詢，組合查詢等等,如有TermQuery,BooleanQuery,RangeQuery,WildcardQuery等一些類。
QueryParser: 是一個解析用戶輸入的工具，可以通過掃描用戶輸入的字符串，生成Query對象。
Hits:在搜索完成之后，需要把搜索結(jié)果返回并顯示給用戶，只有這樣才算是完成搜索的目的。在lucene中，搜索的結(jié)果的集合是用Hits類的實(shí)例來表示的。
上面作了一大堆名詞解釋，下面就看幾個簡單的實(shí)例吧:
1、簡單的的StandardAnalyzer測試?yán)?
代碼
1package lighter.javaeye.com;
2
3import java.io.IOException;
4import java.io.StringReader;
5
6import org.apache.lucene.analysis.Analyzer;
7import org.apache.lucene.analysis.Token;
8import org.apache.lucene.analysis.TokenStream;
9import org.apache.lucene.analysis.standard.StandardAnalyzer;
10
11public class StandardAnalyzerTest
12{
13 //構(gòu)造函數(shù)，
14 public StandardAnalyzerTest()
15 {
16 }
17 public static void main(String[] args)
18 {
19 //生成一個StandardAnalyzer對象
20 Analyzer aAnalyzer = new StandardAnalyzer();
21 //測試字符串
22 StringReader sr = new StringReader("lighter javaeye com is the are on");
23 //生成TokenStream對象
24 TokenStream ts = aAnalyzer.tokenStream("name", sr);
25 try {
26 int i=0;
27 Token t = ts.next();
28 while(t!=null)
29 {
30 //輔助輸出時顯示行號
31 i++;
32 //輸出處理后的字符
33 System.out.println("第"+i+"行:"+t.termText());
34 //取得下一個字符
35 t=ts.next();
36 }
37 } catch (IOException e) {
38 e.printStackTrace();
39 }
40 }
41}
42
顯示結(jié)果：
引用
第1行:lighter
第2行:javaeye
第3行:com
提示一下：
StandardAnalyzer是lucene中內(nèi)置的"標(biāo)準(zhǔn)分析器",可以做如下功能:
1、對原有句子按照空格進(jìn)行了分詞
2、所有的大寫字母都可以能轉(zhuǎn)換為小寫的字母
3、可以去掉一些沒有用處的單詞，例如"is","the","are"等單詞，也刪除了所有的標(biāo)點(diǎn)
查看一下結(jié)果與"new StringReader("lighter javaeye com is the are on")"作一個比較就清楚明了。
這里不對其API進(jìn)行解釋了，具體見lucene的官方文檔。需要注意一點(diǎn)，這里的代碼使用的是lucene2的API，與1.43版有一些明顯的差別。
2、看另一個實(shí)例,簡單地建立索引，進(jìn)行搜索
代碼
1package lighter.javaeye.com;
2import org.apache.lucene.analysis.standard.StandardAnalyzer;
3import org.apache.lucene.document.Document;
4import org.apache.lucene.document.Field;
5import org.apache.lucene.index.IndexWriter;
6import org.apache.lucene.queryParser.QueryParser;
7import org.apache.lucene.search.Hits;
8import org.apache.lucene.search.IndexSearcher;
9import org.apache.lucene.search.Query;
10import org.apache.lucene.store.FSDirectory;
11
12public class FSDirectoryTest {
13
14 //建立索引的路徑
15 public static final String path = "c:\\index2";
16
17 public static void main(String[] args) throws Exception {
18 Document doc1 = new Document();
19 doc1.add( new Field("name", "lighter javaeye com",Field.Store.YES,Field.Index.TOKENIZED));
20
21 Document doc2 = new Document();
22 doc2.add(new Field("name", "lighter blog",Field.Store.YES,Field.Index.TOKENIZED));
23
24 IndexWriter writer = new IndexWriter(FSDirectory.getDirectory(path, true), new StandardAnalyzer(), true);
25 writer.setMaxFieldLength(3);
26 writer.addDocument(doc1);
27 writer.setMaxFieldLength(3);
28 writer.addDocument(doc2);
29 writer.close();
30
31 IndexSearcher searcher = new IndexSearcher(path);
32 Hits hits = null;
33 Query query = null;
34 QueryParser qp = new QueryParser("name",new StandardAnalyzer());
35
36 query = qp.parse("lighter");
37 hits = searcher.search(query);
38 System.out.println("查找\"lighter\" 共" + hits.length() + "個結(jié)果");
39
40 query = qp.parse("javaeye");
41 hits = searcher.search(query);
42 System.out.println("查找\"javaeye\" 共" + hits.length() + "個結(jié)果");
43
44 }
45
46}
47
運(yùn)行結(jié)果：
代碼
查找"lighter" 共2個結(jié)果
查找"javaeye" 共1個結(jié)果
本轉(zhuǎn)自:http://tb.blog.csdn.net/TrackBack.aspx?PostId=1797992
---------------------------------------------------------------------------------------------------------------------------------
說人之短，乃護(hù)己之短。夸己之長，乃忌人之長。皆由存心不厚，識量太狹耳。能去此弊，可以進(jìn)德，可以遠(yuǎn)怨。
http://m.tkk7.com/szhswl
------------------------------------------------------------------------------------------------------ ----------------- ---------
posted on 2007-12-05 17:04
宋針還 閱讀(1205)
評論(0) 編輯 收藏 所屬分類:
搜索引擎