Lucene 3.3 学习笔记 1 介绍

Lucene 3.3 学习笔记 1 Lucene 3.3 学习笔记 1 包架构

------------------------

1. Lucene介绍

Lucene的作者说过，Lucene只是一个高效的全文搜索引擎库，而不是一个平台，提供了非常简单的API，使其可以满足用户对全文索引的需求。

http://lucene.apache.org/java/docs/index.html
这里可以下载到最新的Lucene库，其中的wiki是一个不错的学习的地方

http://wiki.apache.org/lucene-java/FrontPage?action=show&redirect=FrontPageEN
目前有很多网站和软件用到了Lucene，如社交网站LinkedIn和苹果的ITunes软件中都用到了Lucene来做实时与全文索引。

2. Lucene架构包介绍

2.1 文档的一个对象模型抽象库 - Document

这个库提供了索引文档对象的一个抽象，所有的文档对于Lucene来说都是一个Document抽象。

Document => [Field1,Field2,...,FieldN]

Field => [Term1,Term2,...,TermN]

2.2 文本解析库 - Analysis

这个库是对文本进行解析，得到相应的Term对象，在Index与Searcher的时候都会用到，在索引过程中，它会对被索引的文件进行解析，而在搜索过程中，它会对查询条件进行解析。

2.3 索引库 - Index

它主要是用来对文档建立索引，对索引进行维护（更新索引，优化索引等），为查询提供访问接口。

2.4 存储库 - store

它主要是用来存储索引内容的，这里提供了两种存储方式，一种是磁盘存储，另一个是内存存储。

2.5 查询库 - search

它主要是为用户提供查询接口的，对用户的查询结果进行评估，并返回与用户最相关的查询信息。

2.6 工具库 - util

主要是为上面的库提供一些I/O或者算法方法的工具类



3. 简单的例子

当你下载了Lucene的可执行包后，会在contrib中有一个中demo的目录，其中就是对Lucene的简单使用，下面对其进行相应的分析。

3.1 索引

这里的索引就是对文档建立索引，以方便用户查询，我们看org.apache.lucene.demo.IndexFiles.java就是完成这样的一个工作。下面我们来看一下它的主要的源代码：

//~1 这里生成一个索引目录
      Directory dir = FSDirectory.open(new File(indexPath));
	  //~2 生成一个标准的分析器，如果你要用自己的分词器，可以扩展Analyzer与Tokenizer类
      Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_31);
	  //~3 这里对索引进行配置
      IndexWriterConfig iwc = new IndexWriterConfig(Version.LUCENE_31, analyzer);

	  // 是索引建立一个新的索引还是进行增量索引
      if (create) {
        // Create a new index in the directory, removing any
        // previously indexed documents:
        iwc.setOpenMode(OpenMode.CREATE);
      } else {
        // Add new documents to an existing index:
        iwc.setOpenMode(OpenMode.CREATE_OR_APPEND);
      }

		// 配置索引的内存，以提高索引效率
      // Optional: for better indexing performance, if you
      // are indexing many documents, increase the RAM
      // buffer.  But if you do this, increase the max heap
      // size to the JVM (eg add -Xmx512m or -Xmx1g):
      //
      // iwc.setRAMBufferSizeMB(256.0);

	  //~4 生成一个索引输出类，用于写了索引内容
      IndexWriter writer = new IndexWriter(dir, iwc);
	  //~5 索引文档
	  // 这里主要是读出要索引目录中的文件，生成相应的抽象文档对象，
	  // 然后调用IndexWriter的addDocument或者是updateDocuemtn来建立或者更新索引。
      indexDocs(writer, docDir);

	  // 是否进行索引优化，
	  // NOTE: if you want to maximize search performance,
      // you can optionally call optimize here.  This can be
      // a costly operation, so generally it's only worth
      // it when your index is relatively static (ie you're
      // done adding documents to it):
      //
      // writer.optimize();
	  //~6 关闭索引写出器
      writer.close();

3.2 查询

这里的查询主要是对索引好的数据进行查询操作，在org.apache.lucene.demo.SearchFiles.java中可以看到相应的查询代码，部分主要代码如一下：

//~1 生成一个索引查询器，输入为索引目录
	  IndexSearcher searcher = new IndexSearcher(FSDirectory.open(new File(index)));
	  //~2 生成一个查询条件的分析器
      Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_31);
	  //~3 生成一个查询的分析器，主要是对查询条件进行分析，生成相应的Query
      QueryParser parser = new QueryParser(Version.LUCENE_31, field, analyzer);
      //~4 对查询条件进行分析，产生相应的Query对象 
      Query query = parser.parse(line);
      System.out.println("Searching for: " + query.toString(field));
      //~5 调用索引查询对象的search方法进行索引查询，得到查询结果     
      TopDocs results = searcher.search(query, null, 100);

4. 总结

这里对Lucene做了一个简单的分析，再结合索引与查询的API调用来简单了解一下其使用方法。