码迷,mamicode.com
首页 > Web开发 > 详细

Lucene的基本概念----转载yufenfei的文章

时间:2018-02-22 15:27:40      阅读:178      评论:0      收藏:0      [点我收藏+]

标签:取数   use   版本   结果   维护   实例   否则   man   red   

Lucene的基本概念

 

Lucene是什么?

    Lucene是一款高性能、可扩展的信息检索工具库。信息检索是指文档搜索、文档内信息搜索或者文档相关的元数据搜索等操作。

 

信息检索流程如下:

      1、 将即将检索的资源集合放到本地,并使用某种特定的结构存储,称为索引,这个索引的集合称为索引库。由于索引库的结构按照专门为快速查询设计的,所以查询的速度非常的快;

 

      2、 搜索操作时都是在本地的索引库中进行查找;

 

所以对于全文检索功能的开发,要做两方面:索引库管理(维护索引库中的数据)、在索引库中进行搜索。而Lucene就是操作索引库的工具;

 

索引库是什么样子?

      索引库是一个目录,里面是一些二级制文件,就如同数据库,所有的数据也是以文件的形式存放在文件系统中的。我们不能直接操作这些二级制文件,而是使用Lucene提供的API完成相应的操作,就像数据库使用SQL语句一样。

 

对索引库的操作可以分为两种:管理与查询。

   1、 管理索引库使用的IndexWriter;

   2、从索引库中查询使用IndexSearcher。

Lucene的数据结构为 Document与Field。

Document代表是一条数据,Field代表数据中的一个属性。一个Document中有多个Field,Field的值为String型,因为Lucene只处理文本;

我们只需要把我们的程序中的对象转换为Doucemnt,就可以交给Lucene管理了,搜索的结果中的数据列表也是Document的集合;

 

 

OK,我们来做一个实例,还原一下整个流程

 

1、创建一个用户类,用于实例化用户数据

 

 

Java代码  
  1. public class User {  
  2.   
  3.     private Long id;  
  4.     private String name;  
  5.     private int age;  
  6.     private String sex;  
  7.     private Date birthday;  
  8.     public User(Long id, String name, int age, String sex, Date birthday) {  
  9.         super();  
  10.         this.id = id;  
  11.         this.name = name;  
  12.         this.age = age;  
  13.         this.sex = sex;  
  14.         this.birthday = birthday;  
  15.     }  
  16.    //get/set方法,这里省略  
  17. }  
public class User {

	private Long id;
	private String name;
	private int age;
	private String sex;
	private Date birthday;
	public User(Long id, String name, int age, String sex, Date birthday) {
		super();
		this.id = id;
		this.name = name;
		this.age = age;
		this.sex = sex;
		this.birthday = birthday;
	}
   //get/set方法,这里省略
}

 

 

2、生成即将检索的资源数据

 

 

Java代码  
  1. public class DataUtil {  
  2.     /** 
  3.      * 检索资源数据的准备; 
  4.      *   这里的数据可以来源数据库、文件系统等 
  5.      * @return 
  6.      */  
  7.     public static List<User> getUsers(){  
  8.         List<User> list =new ArrayList<User>();  
  9.         User user =new User(1L,"张三1",20,"man",new Date());  
  10.         list.add(user);  
  11.         user =new User(2L,"张三2",20,"man",new Date());  
  12.         list.add(user);  
  13.         user =new User(3L,"张三3",20,"woman",new Date());  
  14.         list.add(user);  
  15.         user =new User(4L,"张三4",20,"man",new Date());  
  16.         list.add(user);  
  17.         user =new User(5L,"张三5",20,"man",new Date());  
  18.         list.add(user);  
  19.         user =new User(6L,"张三6",20,"woman",new Date());  
  20.         list.add(user);  
  21.         return list;  
  22.     }  
  23. }  
public class DataUtil {
	/**
	 * 检索资源数据的准备;
	 *   这里的数据可以来源数据库、文件系统等
	 * @return
	 */
	public static List<User> getUsers(){
		List<User> list =new ArrayList<User>();
		User user =new User(1L,"张三1",20,"man",new Date());
		list.add(user);
		user =new User(2L,"张三2",20,"man",new Date());
		list.add(user);
		user =new User(3L,"张三3",20,"woman",new Date());
		list.add(user);
		user =new User(4L,"张三4",20,"man",new Date());
		list.add(user);
		user =new User(5L,"张三5",20,"man",new Date());
		list.add(user);
		user =new User(6L,"张三6",20,"woman",new Date());
		list.add(user);
		return list;
	}
}

 

3、Lucene创建索引库及查询

 

 

Java代码  
  1. public class IndexWriterDemo {  
  2.     /** 
  3.      * 将即将检索的资源写入索引库 
  4.      * @param writer 
  5.      * @throws Exception 
  6.      */  
  7.     public void buildDocs(IndexWriter writer)throws Exception {  
  8.         writer.deleteAll();//清空索引库里已存在的文档(document)  
  9.         List<User> list = DataUtil.getUsers();//得到数据资源  
  10.         System.out.println("buildDocs()->总人数为 :"+list.size());  
  11.         for(User user :list){  
  12.             Document doc = new Document();//创建索引库的文档  
  13.             doc.add(new Field("id",String.valueOf(user.getId()),Store.YES,Index.NO));  
  14.             doc.add(new Field("name",user.getName(),Store.YES,Index.ANALYZED));  
  15.             doc.add(new Field("age",String.valueOf(user.getAge()),Store.YES,Index.ANALYZED));  
  16.             doc.add(new Field("sex",user.getSex(),Store.YES,Index.ANALYZED));  
  17.             doc.add(new Field("birthday",String.valueOf(user.getBirthday()),Store.YES,Index.ANALYZED));  
  18.             writer.addDocument(doc);//将文档写入索引库  
  19.         }  
  20.         int count =writer.numDocs();  
  21.         writer.forceMerge(100);//合并索引库文件  
  22.         writer.close();  
  23.         System.out.println("buildDocs()->存入索引库的数量:"+count);  
  24.     }  
  25.   
  26.     /** 
  27.      * 从索引库中搜索你要查询的数据 
  28.      * @param searcher 
  29.      * @throws IOException 
  30.      */  
  31.     public void searcherDocs(IndexSearcher searcher) throws IOException{  
  32.         Term term =new Term("sex", "man");//查询条件,意思是我要查找性别为“man”的人  
  33.         TermQuery query =new TermQuery(term);  
  34.         TopDocs docs =searcher.search(query, 100);//查找  
  35.         System.out.println("searcherDoc()->男生人数:"+docs.totalHits);  
  36.         for(ScoreDoc doc:docs.scoreDocs){//获取查找的文档的属性数据  
  37.             int docID=doc.doc;  
  38.             Document document =searcher.doc(docID);  
  39.             String str="ID:"+document.get("id")+",姓名:"+document.get("name")+",性别:"+document.get("sex");  
  40.             System.out.println("人员信息:"+str);  
  41.         }  
  42.     }  
  43.   }  
public class IndexWriterDemo {
	/**
	 * 将即将检索的资源写入索引库
	 * @param writer
	 * @throws Exception
	 */
	public void buildDocs(IndexWriter writer)throws Exception {
		writer.deleteAll();//清空索引库里已存在的文档(document)
		List<User> list = DataUtil.getUsers();//得到数据资源
		System.out.println("buildDocs()->总人数为 :"+list.size());
		for(User user :list){
			Document doc = new Document();//创建索引库的文档
			doc.add(new Field("id",String.valueOf(user.getId()),Store.YES,Index.NO));
			doc.add(new Field("name",user.getName(),Store.YES,Index.ANALYZED));
			doc.add(new Field("age",String.valueOf(user.getAge()),Store.YES,Index.ANALYZED));
			doc.add(new Field("sex",user.getSex(),Store.YES,Index.ANALYZED));
			doc.add(new Field("birthday",String.valueOf(user.getBirthday()),Store.YES,Index.ANALYZED));
			writer.addDocument(doc);//将文档写入索引库
		}
		int count =writer.numDocs();
		writer.forceMerge(100);//合并索引库文件
		writer.close();
		System.out.println("buildDocs()->存入索引库的数量:"+count);
	}

	/**
	 * 从索引库中搜索你要查询的数据
	 * @param searcher
	 * @throws IOException
	 */
	public void searcherDocs(IndexSearcher searcher) throws IOException{
		Term term =new Term("sex", "man");//查询条件,意思是我要查找性别为“man”的人
		TermQuery query =new TermQuery(term);
		TopDocs docs =searcher.search(query, 100);//查找
		System.out.println("searcherDoc()->男生人数:"+docs.totalHits);
		for(ScoreDoc doc:docs.scoreDocs){//获取查找的文档的属性数据
			int docID=doc.doc;
			Document document =searcher.doc(docID);
			String str="ID:"+document.get("id")+",姓名:"+document.get("name")+",性别:"+document.get("sex");
			System.out.println("人员信息:"+str);
		}
	}
  }

 

 

4、测试

 

 

Java代码  
  1. public class TestIndexWriterRAMDirectory {  
  2.     private IndexWriter writer=null;  
  3.     private Directory directory=null;  
  4.     private IndexReader reader = null;  
  5.     private IndexSearcher searcher=null;  
  6.     private IndexWriterDemo demo =new IndexWriterDemo();  
  7.       
  8.     @Before  
  9.     public void setUp() throws Exception {  
  10.         directory = new RAMDirectory();  
  11.         IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_36,new SimpleAnalyzer(Version.LUCENE_36));  
  12.         writer = new IndexWriter(directory,config);  
  13.     }  
  14.   
  15.     @Test  
  16.     public void testAddDoc()throws Exception {  
  17.         /**生成索引库*/  
  18.         demo.buildDocs(writer);  
  19.           
  20.         /**查询数据*/  
  21.         reader = IndexReader.open(directory);  
  22.         searcher =new IndexSearcher(reader);  
  23.         demo.searcherDocs(searcher);  
  24.     }  
  25. }  
public class TestIndexWriterRAMDirectory {
	private IndexWriter writer=null;
	private Directory directory=null;
	private IndexReader reader = null;
	private IndexSearcher searcher=null;
	private IndexWriterDemo demo =new IndexWriterDemo();
	
	@Before
	public void setUp() throws Exception {
		directory = new RAMDirectory();
		IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_36,new SimpleAnalyzer(Version.LUCENE_36));
		writer = new IndexWriter(directory,config);
	}

	@Test
	public void testAddDoc()throws Exception {
		/**生成索引库*/
		demo.buildDocs(writer);
		
		/**查询数据*/
		reader = IndexReader.open(directory);
		searcher =new IndexSearcher(reader);
		demo.searcherDocs(searcher);
	}
}

 

测试结果

 

 

Java代码  
  1. buildDocs()->总人数为 :6  
  2. buildDocs()->存入索引库的数量:6  
  3. searcherDoc()->男生人数:4  
  4. 人员信息:ID:1,姓名:张三1,性别:man  
  5. 人员信息:ID:2,姓名:张三2,性别:man  
  6. 人员信息:ID:4,姓名:张三4,性别:man  
  7. 人员信息:ID:5,姓名:张三5,性别:man  
buildDocs()->总人数为 :6
buildDocs()->存入索引库的数量:6
searcherDoc()->男生人数:4
人员信息:ID:1,姓名:张三1,性别:man
人员信息:ID:2,姓名:张三2,性别:man
人员信息:ID:4,姓名:张三4,性别:man
人员信息:ID:5,姓名:张三5,性别:man

 

 

 

OK,代码完毕

 

实例的Lucene版本为:lucene-3.6.1

 

在这再次说下Lucene检索的整个流程(请参考demo的代码)

 

1、建立索引的执行过程 

     在建立索引时,先要把文档存到索引库中,还要更新词汇表。

操作步骤如下:

(1)、把数据对象转换成相应的Document,其中的属性转为Field;

(2)、调用工具IndexWriter的addDocument(doc),把Document添加到索引库中;

(3)、Lucene做的操作:

       把文档存到索引库中,并自动指定一个内部编号,用来唯一标识这个条数据;内部编号类似与这条数据的地址,在索引库内部的数据进行调整后,这个编号就可能会改变,同时词汇表中的引用的编号也会做相应的改变,以保 证正确。

      更新词汇表。把文本中的词找出来放到词汇表中,简历与文档的对应关系。要把那些词放到词汇表中呢?这就用到一个叫Analyzer(分词器)的工具。他的作用是把一段文本中的词按照规则取出所包含的所有词。对应的是Analyzer类,这是一个抽象类,切分词的具体规则是由其子类实现。

 

在把对象的属性转化为 Field时,相关代码为:

   doc.add(new Field(“title”,article.getTitle(), Store.YES, Index.Analyzed))

其中第三个参数的意思为

Store.NO 不存储属性的值;

Store.YES 存储属性的值

 

第四个参数

Index.NO 不建立索引

Index.ANALYZED 分词后建立索引

Index.NOT_ANALYZED 不分词,把整个内容作为一个词建立索引

 

Store是影响搜索出的结构是否有指定属性的原始内容。

Index是影响是否可以从这个属性中查询,或者是查询时可以查其中的某些词,还是要把整个内容作为一个词进行查询。

 

2、从索引库中搜索的执行过程(QueryParse、TopDocs、ScoreDoc)

在进行搜索时,先在词汇表中查找,得到符合条件的文档编号列表。再根据文档编号真正的取数据(Document)

操作步骤如下:

(1)、把要查询字符串转为Query对象。这就像在Hiberante总是用HQL查询时,也要先调用Session.createQuery(hql)转成Hibernate的Query对象一样。把查询字符串转换成Query是使用QueryParser,或者使用MultiFieldQueryParser。查询字符串也要先经过Analyzer(分词器)。要求检索时使用Analyzer要与监理索引使用的Analzyer要一致,否则可能搜索不出正确的结果。

(2)、调用IndexSearcher.search(),进行查询,得到结果。此方法返回未TopDocs,是包含结果的多个信息的一个对象。其中有totalHits代表记录数,ScoreDoc的数组。ScoreDoc是代表一个结果的相关度得分与文档编号等信息的对象。

(3)、取出要用到的数据列表。调用IndexSearcher.doc(scoreDoc.doc)以取出指定编号对应的Document数据,在分页时要用到:一次只取一页的数据。

 

lucene.rar

 

Lucene的基本概念----转载yufenfei的文章

标签:取数   use   版本   结果   维护   实例   否则   man   red   

原文地址:https://www.cnblogs.com/tangzeqi/p/8458261.html

(0)
(0)
   
举报
评论 一句话评论(0
登录后才能评论!
© 2014 mamicode.com 版权所有  联系我们:gaon5@hotmail.com
迷上了代码!