Apache Lucene 5.1.0 入门使用篇

我也是刚刚接触lucene，文中若出现错误欢迎大家批评指正。

Lucene是apache软件基金会 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，即它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。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，或者是以此为基础建立起完整的全文检索引擎。（刚刚接触的建议看看百度或是官方文件说明）

关于版本问题：网上有一些4.7和4.10版本的教程，建议读读，不过lucene库中很多语法、函数已经变更，这个问题会在代码中有一些说明。

这里主要说说怎么用lucene。

准备工作：

下载Lucene 5.1.0文件：http://apache-mirror.rbc.ru/pub/apache/lucene/java/5.1.0/ ，解压zip到本地即可。

我用的是NetBeans IDE， 编辑个项目和java类即可。

为编辑器增加jar


在项目里中最基础的四个包：


ok，代码行进中···

官方的demo还是很有用的，给出自述文档http://lucene.apache.org/core/5_1_0/index.html ，需要什么拿什么吧。这里说一下Lucene 5.1.0 demo API(http://lucene.apache.org/core/5_1_0/demo/overview-summary.html#overview_description)，里面有关于使用命令提示符来操作lucene的部分，即在系统CLASSPATH里面添加那四个文件lucene-core-{version}.jar. lucene-queryparser-{version}.jar, lucene-analyzers-common-{version}.jar and lucene-demo-{version}.jar

为了操作简便，可以在指定文件夹随便输入一些英文文本，并以txt保存起来，输入以下命令：



lucene帮你自动建立索引，要是设置都正确，就会出现下面的结果，表明索引已经建立



然后键入命令

java org.apache.lucene.demo.SearchFiles

这样就可以搜索想搜的词了，例如：



就是这么简单，结果就有了！

写在最后：

有了上面的结果，其实这才刚刚开始。

文中用到的语料库是Reuters - 21578（http://kdd.ics.uci.edu/databases/reuters21578/reuters21578.html）里面大概存储了2000000 篇文章来自 New York Times. 有兴趣的可以试试，这个语料库实在太万恶了！！详情请见Reuters-21578数据集预处理遇到的血泪史。

还有两本书：

Lucene In Action(第2版)中文

操作和大致的流程里面都有，遗憾的是版本是针对3.0的，有些句法句式改了。

信息检索导论中文译本（Introduction to Information Retrieval）

基础理论学习，对于搜索引擎的初学者里说，本书是一本绝对值得阅读的书目。

Good luck！