版权所有: (xiaodaoxiaodao) 蓝小刀     xiaodaoxiaodao@gmail.com

http://www.blogjava.net/xiaodaoxiaodao/articles/103447.html

转载请注明来源 / 作者

 

关于 lucene2.0 的创建、检索和删除功能的完整实现

 

最近要做一个站内的全文检索功能,主要是针对 clob 字段的,于是去网上找了点 lucene 的资料,现在新版本的是 2.0.0 ,网上的例子多是 1.4.3 的,有些方法已经废弃了,搞了 n 久终于把 2.0.0 的功能实现了,呵呵,下面把实现的代码贴出来,实现了索引的创建、检索和删除功能,并可以从检索结果去查询数据库 ~  

    // 创建索引

    public void indexFiles() {

         // 创建索引文件存放路径

        File indexDir = new File("E:\\lucene_Learning\\lucene-2.0.0src\\src\\demo\\index");

 

        try {

            Date start = new Date();

             // 创建分析器 , 主要用于从文本中抽取那些需要建立索引的内容 , 把不需要参与建索引的文本内容去掉 .

            // 比如去掉一些 a the 之类的常用词 , 还有决定是否大小写敏感 .

            StandardAnalyzer standardAnalyzer = new StandardAnalyzer();

             // 参数 true 用于确定是否覆盖原有索引的

            IndexWriter indexWriter = new IndexWriter(indexDir, standardAnalyzer, true);

            indexWriter.setMergeFactor(100);

            indexWriter.setMaxBufferedDocs(100);

             // 只索引这个 Field 的前 5000 个字,默认为 10000

              indexWriter.setMaxFieldLength(5000);

             // 从数据库取出所有纪录

            List articleList = articleManager.getArticles(null);

            for (int i = 0; i < articleList.size(); i++) {

                Article article = (Article) articleList.get(i);

                 // Document 方法是创建索引的具体代码

                Document doc = Document(article);

                indexWriter.addDocument(doc);

            }

             // Optimize 的过程就是要减少剩下的 Segment 的数量 , 尽量让它们处于一个文件中 .

            indexWriter.optimize();

              indexWriter.close();

            Date end = new Date();

            System.out.println("create index: " + (end.getTime() - start.getTime()) + " total milliseconds");

        } catch (IOException e) {

            System.out.println(" caught a " + e.getClass() + "\n with message: " + e.getMessage());

        }

    }

    public static Document Document(Article article)

            throws java.io.IOException {

        Document doc = new Document();

         // article 表的主健创建索引,关于 Field 的几个参数下面有详细解释

        Field fieldId = new Field("uid", article.getArticleId(), Field.Store.YES, Field.Index.UN_TOKENIZED, Field.TermVector.YES);

         // detail 字段创建索引, detail DB 中是 clob 字段,内容为 html 文本

        String contentHtml = article.getDetail();

        Reader read = new StringReader(contentHtml);

          // HTMLParser detail 字段中的 HTML 分析成文本在索引

        // HTMLParser 这个类可以在 lucene demo 中找到

        HTMLParser htmlParser = new HTMLParser(read);

        BufferedReader breader = new BufferedReader(htmlParser.getReader());

        String htmlContent ="";

        String tempContent = breader.readLine();

        while (tempContent != null && tempContent.length() > 0) {

            htmlContent = htmlContent + tempContent;

            tempContent = breader.readLine();

        }

        Field fieldContents = new Field("content", htmlContent,

                Field.Store.COMPRESS, Field.Index.TOKENIZED,Field.TermVector.YES);

        // db 中的每条纪录对应一个 doc ,每个字段对应一个 field

        doc.add(fieldId);

        doc.add(fieldContents);

        return doc;

    }

     // 搜索文件, keyword 是你在页面上输入的查找关键字,这里查找的是 detail 字段

    public List searchFiles(String keyword){

        String index = "E:\\lucene_Learning\\lucene-2.0.0src\\src\\demo\\index";

         // hitsList 用来保存 db 的纪录,这些纪录可以通过查询结果取到

        List hitsList = new ArrayList();

        try {

            Date start = new Date();

            IndexReader reader = IndexReader.open(index);

            Searcher searcher = new IndexSearcher(reader);

            Analyzer analyzer = new StandardAnalyzer();

            QueryParser parser = new QueryParser("content", analyzer);

             // 解析查询关键字,比如输入的是以空格等分开的多个查询关键字,这里解析后,可以多条件查询

            Query query = parser.parse(keyword);

             // hits 用来保存查询结果,这里的 hits 相当于 sql 中的 result

            Hits hits = searcher.search(query);

             for (int i = 0; i < hits.length(); i++) {

                Document doc = hits.doc(i);

                 // 获得 article 表的主健

                String id = doc.get("uid");

                 // 根据主健去 db 中取纪录,返回到 hitsList

                try {

                    Article article = articleManager.getArticle(id);

                } catch (ObjectRetrievalFailureException e) {

                    article = null;

                }

                         // 如果没有找到该纪录,表示该纪录已经不存在,不必添加到 hitsList

                if(article!=null)  hitsList.add(article);

            }

            searcher.close();

            reader.close();

            Date end = new Date();

            System.out.println("search files: " + (end.getTime() - start.getTime()) + " total milliseconds");

        } catch (IOException e) {

            System.out.println(" caught a " + e.getClass() + "\n with message: " + e.getMessage());

        } catch (ParseException e) {

              System.out.println(" caught a " + e.getClass() + "\n with message: " + e.getMessage());

        }

         return hitsList;

    }

     // 删除索引

    public void deleteIndex(){

        String index = "E:\\lucene_Learning\\lucene-2.0.0src\\src\\demo\\index";

        try {

            Date start = new Date();

            IndexReader reader = IndexReader.open(index);

            int numFiles = reader.numDocs();

            for (int i = 0; i < numFiles; i++) {

                 // 这里的删除只是给文档做一个删除标记,你可以看到执行 deleteDocument 后会产生一个 del 后缀的文件,

                // 用来记录这些标记过的文件

                reader.deleteDocument(i);

            }

            reader.close();

            Date end = new Date();

            System.out.println("delete index: " + (end.getTime() - start.getTime()) + " total milliseconds");

        } catch (IOException e) {

             System.out.println(" caught a " + e.getClass() + "\n with message: " + e.getMessage());

        }

 

    }

     // 恢复已删除的索引

    public void unDeleteIndex(){

        String index = "E:\\lucene_Learning\\lucene-2.0.0src\\src\\demo\\index";

        try {

             IndexReader reader = IndexReader.open(index);

            reader.undeleteAll();

            reader.close();

        } catch (IOException e) {

            System.out.println(" caught a " + e.getClass() + "\n with message: " + e.getMessage());

         }

 

}

 

Field 就像我们学过的数据库中的字段,简单的说,就是一个名值对。这个域有三种属性,分别是

isStored - 是否被存储
isIndexed -
是否被索引
isTokenized -
是否分词

这些属性的组合又构成了四种不同类型的 Field ,而且各有用途

 

Stored

Indexed

Tokenized

Keyword

Y

Y

N

UnIndexed

Y

N

N

UnStored

N

Y

Y

Text: String

Y

Y

Y

Text : Reader

N

Y

Y

 

关于 Field 2.0.0 版本和 1.4.3 版本方法相比改动比较大,具体见下表

 

1.4.3 版本中的下面方法都被 Field(String name, String value, Store store, Index index, TermVector termVector) 取代

Keyword(String name, String value) // only version 1.4.3
存储、索引、不分词,用于 URI (比如 MSN 聊天记录的日期域、比如 MP3 文件的文件全路径等等)
Field(String name, String value, Field.Store.YES, Field.Index.UN_TOKENIZED) // version 2.0.0

UnIndexed(String name, String value) // only version 1.4.3
存储、不索引、不分词,比如文件的全路径
Field(String name, String value,Field.Store.YES, Field.Index.NO)// version 2.0.0

UnStored(String name, String value) // only version 1.4.3
不存储、索引、分词,比如 HTML 的正文、 Word 的内容等等,这部分内容是要被索引的,但是由于具体内容通常很大,没有必要再进行存储,可以到时候根据 URI 再来挖取。所以,这部分只分词、索引,而不存储。
Field(String name, String value,Field.Store.YES, Field.Index.TOKENIZED)// version 2.0.0

Text(String name, String value) // only version 1.4.3
存储、索引、分词,比如文件的各种属性,比如 MP3 文件的歌手、专辑等等。 Field.Store.YES, Field(String name, String value,Field.Index.TOKENIZED)// version 2.0.0

Text(String name, Reader value) // only version 1.4.3

Field(String name, Reader reader)   // version 2.0.0
不存储、索引、分词。

版权所有: (xiaodaoxiaodao) 蓝小刀     xiaodaoxiaodao@gmail.com