完整版见 https://jadyer.github.io/2013/08/18/lucene-demo/
package com.jadyer.lucene;
import java.io.File;
import java.io.FileReader;
import java.io.IOException;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.document.Field;
import org.apache.lucene.index.IndexReader;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.index.IndexWriterConfig;
import org.apache.lucene.queryParser.QueryParser;
import org.apache.lucene.search.IndexSearcher;
import org.apache.lucene.search.Query;
import org.apache.lucene.search.ScoreDoc;
import org.apache.lucene.search.TopDocs;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;
/**
* 【Lucene3.6.2入门系列】第01节_HelloWord
* @see 这里只需用到一个lucene-core-3.6.2.jar
* @see Lucene官网:http://lucene.apache.org
* @see Lucene下载:http://archive.apache.org/dist/lucene/java/
* @see Lucene文档:http://wiki.apache.org/lucene-java/
* @see -------------------------------------------------------------------------------------------------------------
* @see 1)对于全文搜索工具,都是由索引、分词、搜索三部分组成
* @see 2)被存储和被索引,是两个独立的概念
* @see -------------------------------------------------------------------------------------------------------------
* @see 域的存储选项
* @see Field.Store.YES--会把该域中的内容存储到文件中,方便进行文本的还原
* @see Field.Store.NO---表示该域中的内容不存储到文件中,但允许被索引,且内容无法完全还原(doc.get("##"))
* @see -------------------------------------------------------------------------------------------------------------
* @see 域的索引选项
* @see Field.Index.ANALYZED----------------进行分词和索引,适用于标题、内容等
* @see Field.Index.NOT_ANALYZED------------进行索引但不分词(如身份证号、姓名、ID等),适用于精确搜索
* @see Field.Index.ANALYZED_NOT_NORMS------进行分词但是不存储norms信息,这个norms中包括了创建索引的时间和权值等信息
* @see Field.Index.NOT_ANALYZED_NOT_NORMS--即不进行分词也不存储norms信息
* @see Field.Index.NO----------------------不进行索引
* @see norms:当数据被搜索出来后,便涉及到排序的问题,而排序是有一些评分规则的,于是NORMS中就存储了这些排序的信息
* @see -------------------------------------------------------------------------------------------------------------
* @see 域选项最佳实践
* @see Field.Store Field.Index 域值
* @see YES NOT_ANALYZED_NOT_NORMS 标识符(主键、文件名),电话号码,身份证号,姓名,日期
* @see YES ANALYZED 文档标题和摘要
* @see NO ANALYZED 文档正文
* @see NO NOT_ANALYZED 隐藏关键字
* @see YES NO 文档类型,数据库主键(不进行索引)
* @see -------------------------------------------------------------------------------------------------------------
* @create Jun 29, 2012 4:20:19 PM
* @author 玄玉<http://blog.csdn.net/jadyer>
*/
public class HelloWord {
private static final String PATH_OF_FILE = "myExample/01_file/"; //待索引文件的目录
private static final String PATH_OF_INDEX = "myExample/01_index/"; //存放索引文件的目录
/**
* 创建索引
* @see ---------------------------------------------------------------------------------------------------------
* @see 1、创建Directory-----------------指定索引被保存的位置
* @see 2、创建IndexWriter---------------通过IndexWriter写索引
* @see 3、创建Document对象---------------我们索引的有可能是一段文本or数据库中的一张表
* @see 4、为Document添加Field------------相当于Document的标题、大小、内容、路径等等,二者类似于数据库表中每条记录和字段的关系
* @see 5、通过IndexWriter添加文档到索引中
* @see 6、关闭IndexWriter----------------用完IndexWriter之后,必须关闭之
* @see ---------------------------------------------------------------------------------------------------------
* @see _0.fdt和_0.fdx文件--保存域中所存储的数据(Field.Store.YES条件下的)
* @see _0.fnm文件----------保存域选项的数据(即new Field(name, value)中的name)
* @see _0.frq文件----------记录相同的文件(或查询的关键字)出现的次数,它是用来做评分和排序的
* @see _0.nrm文件----------存储一些评分信息
* @see _0.prx文件----------记录偏移量
* @see _0.tii和_0.tis文件--存储索引里面的所有内容信息
* @see segments_1文件------它是段文件,Lucene首先会到段文件中查找相应的索引信息
* @see ---------------------------------------------------------------------------------------------------------
*/
public void createIndex(){
Directory directory = null;
IndexWriter writer = null;
Document doc = null;
try{
//FSDirectory会根据当前的运行环境打开一个合理的基于File的Directory(若在内存中创建索引则new RAMDirectory())
//这里是在硬盘上"D:/OS_Folder/Desktop/luceneDemo/index01/"文件夹中创建索引
directory = FSDirectory.open(new File(PATH_OF_INDEX));
//由于Lucene2.9之后,其索引的格式就不会再兼容Lucene的所有版本了,所以在创建索引前,要指定其所匹配的Lucene版本号
//这里通过IndexWriterConfig()构造方法的Version.LUCENE_36参数值指明索引所匹配的版本号,并使用了Lucene的标准分词器
writer = new IndexWriter(directory, new IndexWriterConfig(Version.LUCENE_36, new StandardAnalyzer(Version.LUCENE_36)));
for(File file : new File(PATH_OF_FILE).listFiles()){
doc = new Document();
//把内容添加到索引域中,即为该文档存储信息,供将来搜索时使用(下面的写法,其默认为Field.Store.NO和Field.Index.ANALYZED)
//如果我们想把content的内容也存储到硬盘上,那就需要先把file转换成字符串,然后按照"fileName"的存储方式加到Field中
//我们可以用commons-io-2.3.jar提供的FileUtils.readFileToString(file),这是很方便的工具包,有了它几乎都不用手写任何的IO方法了
//doc.add(new Field("content", FileUtils.readFileToString(file), Field.Store.YES, Field.Index.ANALYZED));
doc.add(new Field("content", new FileReader(file)));
//Field.Store.YES-----------这里是将文件的全名存储到硬盘中
//Field.Index.NOT_ANALYZED--这里是不对文件名进行分词
doc.add(new Field("fileName", file.getName(), Field.Store.YES, Field.Index.NOT_ANALYZED));
doc.add(new Field("filePath", file.getAbsolutePath(), Field.Store.YES, Field.Index.NOT_ANALYZED));
//通过IndexWriter添加文档到索引中
writer.addDocument(doc);
}
}catch(Exception e){
System.out.println("创建索引的过程中遇到异常,堆栈轨迹如下");
e.printStackTrace();
}finally{
if(null != writer){
try {
writer.close(); //IndexWriter在用完之后一定要关闭
} catch (IOException ce) {
System.out.println("关闭IndexWriter时遇到异常,堆栈轨迹如下");
ce.printStackTrace();
}
}
}
}
/**
* 搜索文件
* @see 1、创建Directory
* @see 2、创建IndexReader
* @see 3、根据IndexReader创建IndexSearcher
* @see 4、创建搜索的Query
* @see 5、根据searcher搜索并返回TopDocs
* @see 6、根据TopDocs获取ScoreDoc对象
* @see 7、根据searcher和ScoreDoc对象获取具体的Document对象
* @see 8、根据Document对象获取需要的值
* @see 9、关闭IndexReader
*/
public void searchFile(){
IndexReader reader = null;
try{
reader = IndexReader.open(FSDirectory.open(new File(PATH_OF_INDEX)));
IndexSearcher searcher = new IndexSearcher(reader);
//创建基于Parser搜索的Query,创建时需指定其"搜索的版本,默认搜索的域,分词器"....这里的域指的是创建索引时Field的名字
QueryParser parser = new QueryParser(Version.LUCENE_36, "content", new StandardAnalyzer(Version.LUCENE_36));
Query query = parser.parse("java"); //指定==>搜索域为content(即上一行代码指定的"content")中包含"java"的文档
TopDocs tds = searcher.search(query, 10); //第二个参数指定搜索后显示的条数,若查到5条则显示为5条,查到15条则只显示10条
ScoreDoc[] sds = tds.scoreDocs; //TopDocs中存放的并不是我们的文档,而是文档的ScoreDoc对象
for(ScoreDoc sd : sds){ //ScoreDoc对象相当于每个文档的ID号,我们就可以通过ScoreDoc来遍历文档
Document doc = searcher.doc(sd.doc); //sd.doc得到的是文档的序号
System.out.println(doc.get("fileName") + "[" + doc.get("filePath") + "]"); //输出该文档所存储的信息
}
}catch(Exception e){
System.out.println("搜索文件的过程中遇到异常,堆栈轨迹如下");
e.printStackTrace();
}finally{
if(null != reader){
try {
reader.close();
} catch (IOException e) {
System.out.println("关闭IndexReader时遇到异常,堆栈轨迹如下");
e.printStackTrace();
}
}
}
}
}
测试时,要在myExample/01_file/文件夹中准备几个包含内容的文件(比如txt格式的)
然后先执行createIndex()方法,再执行searchFile()方法,最后观看控制台输出即可
版权说明 : 本文为转载文章, 版权归原作者所有 版权申明
原文链接 : https://blog.csdn.net/jadyer/article/details/10046557
内容来源于网络,如有侵权,请联系作者删除!