Posted on 2007-03-05 08:36
skycity 阅读(320)
评论(0) 编辑 收藏 所属分类:
APACHE开源项目
简介
Doug Cutting 于2000年开始的项目 2001年9月后加入apache, Lucene是Doug Cutting的middle name 。 目前Lucene已经是apache的top level的项目， 已经不在jakarta下面， 同时也有了python，perl，c++，.net, Ruby(进行中)多个版本
Lucene 主要的两个任务:indexing and searching| Indexing主要使用的类 |
| IndexWriter | index文件由它创建 |
| Directory | 标志Index路径的类：FSDirectory(文件系统)和RAMDirectory(内存) |
| Analyzer | 分析器，处理分词,大小写,词根,消除stop words等,转换格式 |
| document | 用于存储field对象 |
| Field | 有4(5?)种类型的Field, 下面专门列出 |
stop words: 出现频率非常高的一些词汇,它们一般没有检索的意义, 比如英文中的(as a, an, the, in)
| 类型 | Analyzed | Indexed | Stored | 说明 |
| Field.Keyword(String) | | Y | Y | 储存直接检索的对象(身份证号,姓名,日期) |
| Field.UnIndexed(String,String) | | | Y | 不用于检索信息,显示文件类型、地址 |
| Field.UnStored(String,String) | Y | | | 大段文本内容,会用来检索,但是不存储 |
| Field.Text(String,String) | Y | Y | Y | 检索,获取都需要的内容,直接放index中,不过这样会增大index |
| Field.Text(String,Reader) | Y | Y | | 建议采用Unstored的策略. |
| Searching主要使用的类 |
| IndexSearcher | 以只读的方式访问index(注意IndexReader不是只读的),需要传给他一个Query对象来搜索 |
| Term | Term是一个搜索的基本单位,包含Field(目标)和value(条件),可以直接用new Term("field","value")构造 |
| uery | uery有很多子类,比如BooleanQuery,PhraseQuery等,可以在Term基础上加上逻辑(是 否, 或) |
| TermQuery | 很基本的Query, 可以由term构造 new TermQuery(term); |
| Hits | 包含了搜索的结构,默认按照相关度排序,hits并不会把所有记录(可能很大)直接保存,而是有一个lazy loading机制 |
Lyyb2001