Lucene就是這么簡單

小說:屋頂綠化黃金佛甲草效果怎么樣?作者:海文乙更新時間:2019-05-22字數:37371

“邪教?”一道邪魅的聲音憑空響起在胡同之中,起著絲絲的回響,讓二位邪教的男子以及那位被困住的女子大吃一驚。

【視頻】地徑11公分12公分13公分櫻花樹_挖苗現場

他從自己懷里拿出了一個東西,這是一顆牙齒,看樣子應該是鱷魚的牙齒,但是葉揚卻從里面感覺到了一股熟悉的味道,這是龍魂的味道。
“這是……”神農化身眼瞳閃爍了一下嘴角露出了一絲滿意贊賞的笑容,他笑的不是劉皓他們斬殺饕餮,而是虛空之中浮現出來的氣息,那一種是大羅金仙獨有的氣息,是大羅道果獨有的氣息,不入大羅境界的話那么法力再高也不會具備著一種氣息的。

但斯太爾也就瞄了一眼,馬上就被那張電報紙上的數字給吸引了過去,他好像不能確定,叫過來斯密斯,兩人咬了一會兒耳朵,好像在商量著什么?

Lucene就是這么簡單


什么是Lucene??

Lucene是apache軟件基金會發布的一個開放源代碼的全文檢索引擎工具包,由資深全文檢索專家Doug Cutting所撰寫,它是一個全文檢索引擎的架構,提供了完整的創建索引和查詢索引,以及部分文本分析的引擎,Lucene的目的是為軟件開發人員提供一個簡單易用的工具包,以方便在目標系統中實現全文檢索的功能,或者是以此為基礎建立起完整的全文檢索引擎,Lucene在全文檢索領域是一個經典的祖先,現在很多檢索引擎都是在其基礎上創建的,思想是相通的。

Lucene是根據關健字來搜索的文本搜索工具,只能在某個網站內部搜索文本內容,不能跨網站搜索

既然談到了網站內部的搜索,那么我們就談談我們熟悉的百度、google那些搜索引擎又是基于什么搜索的呢....

這里寫圖片描述

這里寫圖片描述

從圖上已經看得很清楚,baidu、google等搜索引擎其實是通過網絡爬蟲的程序來進行搜索的...


為什么我們要用Lucene?

在介紹Lucene的時候,我們已經說了:Lucene又不是搜索引擎,僅僅是在網站內部進行文本的搜索。那我們為什么要學他呢???

我們之前編寫納稅服務系統的時候,其實就已經使用過SQL來進行站內的搜索..

既然SQL能做的功能,我們還要學Lucene,為什么呢???

我們來看看我們用SQL來搜索的話,有什么缺點:

  • (1)SQL只能針對數據庫表搜索,不能直接針對硬盤上的文本搜索
  • (2)SQL沒有相關度排名
  • (3)SQL搜索結果沒有關健字高亮顯示
  • (4)SQL需要數據庫的支持,數據庫本身需要內存開銷較大,例如:Oracle
  • (5)SQL搜索有時較慢,尤其是數據庫不在本地時,超慢,例如:Oracle

這里寫圖片描述

我們來看看在baidu中搜索Lucene為關鍵字搜索出的內容是怎么樣的:

這里寫圖片描述

以上所說的,我們如果使用SQL的話,是做不到的。因此我們就學習Lucene來幫我們在站內根據文本關鍵字來進行搜索數據!


我們如果網站需要根據關鍵字來進行搜索,可以使用SQL,也可以使用Lucene...那么我們Lucene和SQL是一樣的,都是在持久層中編寫代碼的。。

這里寫圖片描述

一、快速入門

接下來,我們就講解怎么使用Lucene了.....在講解Lucene的API之前,我們首先來講講Lucene存放的究竟是什么內容...我們的SQL使用的是數據庫中的內存,在硬盤中為DBF文件...那么我們Lucene內部又是什么東西呢??

Lucene中存的就是一系列的二進制壓縮文件和一些控制文件,它們位于計算機的硬盤上,
這些內容統稱為索引庫,索引庫有二部份組成:

  • (1)原始記錄
    • 存入到索引庫中的原始文本,例如:我是鐘福成
  • (2)詞匯表
    • 按照一定的拆分策略(即分詞器)將原始記錄中的每個字符拆開后,存入一個供將來搜索的表

也就是說:Lucene存放數據的地方我們通常稱之為索引庫,索引庫又分為兩部分組成:原始記錄和詞匯表....

1.1原始記錄和詞匯表

當我們想要把數據存到索引庫的時候,我們首先存入的是將數據存到原始記錄上面去....

又由于我們給用戶使用的時候,用戶使用的是關鍵字來進行查詢我們的具體記錄。因此,我們需要把我們原始存進的數據進行拆分!將拆分出來的數據存進詞匯表中。

詞匯表就是類似于我們在學Oracle中的索引表,拆分的時候會給出對應的索引值。

一旦用戶根據關鍵字來進行搜索,那么程序就先去查詢詞匯表中有沒有該關鍵字,如果有該關鍵字就定位到原始記錄表中,將符合條件的原始記錄返回給用戶查看。

我們查看以下的圖方便理解:

這里寫圖片描述

到了這里,有人可能就會疑問:難道原始記錄拆分的數據都是一個一個漢字進行拆分的嗎??然后在詞匯表中不就有很多的關鍵字了???

其實,我們在存到原始記錄表中的時候,可以指定我們使用哪種算法來將數據拆分,存到詞匯表中.....我們的圖是Lucene的標準分詞算法,一個一個漢字進行拆分。我們可以使用別的分詞算法,兩個兩個拆分或者其他的算法。

1.2編寫第一個Lucene程序

首先,我們來導入Lucene的必要開發包:

  • lucene-core-3.0.2.jar【Lucene核心】
  • lucene-analyzers-3.0.2.jar【分詞器】
  • lucene-highlighter-3.0.2.jar【Lucene會將搜索出來的字,高亮顯示,提示用戶】
  • lucene-memory-3.0.2.jar【索引庫優化策略】

創建User對象,User對象封裝了數據....


/**
 * Created by ozc on 2017/7/12.
 */
public class User {


    private String id ;
    private String userName;
    private String sal;

    public User() {

    }
    public User(String id, String userName, String sal) {
        this.id = id;
        this.userName = userName;
        this.sal = sal;
    }
    public String getId() {
        return id;
    }

    public void setId(String id) {
        this.id = id;
    }

    public String getUserName() {
        return userName;
    }

    public void setUserName(String userName) {
        this.userName = userName;
    }

    public String getSal() {
        return sal;
    }

    public void setSal(String sal) {
        this.sal = sal;
    }
}

我們想要使用Lucene來查詢出站內的數據,首先我們得要有個索引庫吧!于是我們先創建索引庫,將我們的數據存到索引庫中。

創建索引庫的步驟:

  • 1)創建JavaBean對象
  • 2)創建Docment對象
  • 3)將JavaBean對象所有的屬性值,均放到Document對象中去,屬性名可以和JavaBean相同或不同
  • 4)創建IndexWriter對象
  • 5)將Document對象通過IndexWriter對象寫入索引庫中
  • 6)關閉IndexWriter對象

    @Test
    public void createIndexDB() throws Exception {

        //把數據填充到JavaBean對象中
        User user = new User("1", "鐘福成", "未來的程序員");

        //創建Document對象【導入的是Lucene包下的Document對象】
        Document document = new Document();

        //將JavaBean對象所有的屬性值,均放到Document對象中去,屬性名可以和JavaBean相同或不同


        /**
         * 向Document對象加入一個字段
         * 參數一:字段的關鍵字
         * 參數二:字符的值
         * 參數三:是否要存儲到原始記錄表中
         *      YES表示是
         *      NO表示否
         * 參數四:是否需要將存儲的數據拆分到詞匯表中
         *      ANALYZED表示拆分
         *      NOT_ANALYZED表示不拆分
         *
         * */
        document.add(new Field("id", user.getId(), Field.Store.YES, Field.Index.ANALYZED));
        document.add(new Field("userName", user.getUserName(), Field.Store.YES, Field.Index.ANALYZED));
        document.add(new Field("sal", user.getSal(), Field.Store.YES, Field.Index.ANALYZED));

        //創建IndexWriter對象
        //目錄指定為E:/createIndexDB
        Directory directory = FSDirectory.open(new File("E:/createIndexDB"));

        //使用標準的分詞算法對原始記錄表進行拆分
        Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_30);

        //LIMITED默認是1W個
        IndexWriter.MaxFieldLength maxFieldLength = IndexWriter.MaxFieldLength.LIMITED;
        /**
         * IndexWriter將我們的document對象寫到硬盤中
         *
         * 參數一:Directory d,寫到硬盤中的目錄路徑是什么
         * 參數二:Analyzer a, 以何種算法來對document中的原始記錄表數據進行拆分成詞匯表
         * 參數三:MaxFieldLength mfl 最多將文本拆分出多少個詞匯
         *
         * */
        IndexWriter indexWriter = new IndexWriter(directory, analyzer, maxFieldLength);

        //將Document對象通過IndexWriter對象寫入索引庫中
        indexWriter.addDocument(document);

        //關閉IndexWriter對象
        indexWriter.close();

    }

這里寫圖片描述

程序執行完,我們就會在硬盤中見到我們的索引庫。

這里寫圖片描述

那我們現在是不知道記錄是否真真正正存儲到索引庫中的,因為我們看不見。索引庫存放的數據放在cfs文件下,我們也是不能打開cfs文件的。

于是,我們現在用一個關鍵字,把索引庫的數據讀取??纯醋x取數據是否成功。

根據關鍵字查詢索引庫中的內容:

  • 1)創建IndexSearcher對象
  • 2)創建QueryParser對象
  • 3)創建Query對象來封裝關鍵字
  • 4)用IndexSearcher對象去索引庫中查詢符合條件的前100條記錄,不足100條記錄的以實際為準
  • 5)獲取符合條件的編號
  • 6)用indexSearcher對象去索引庫中查詢編號對應的Document對象
  • 7)將Document對象中的所有屬性取出,再封裝回JavaBean對象中去,并加入到集合中保存,以備將之用

    @Test
    public void findIndexDB() throws Exception {

        /**
         * 參數一: IndexSearcher(Directory path)查詢以xxx目錄的索引庫
         *
         * */
        Directory directory = FSDirectory.open(new File("E:/createIndexDB"));
        //創建IndexSearcher對象
        IndexSearcher indexSearcher = new IndexSearcher(directory);

        //創建QueryParser對象
        /**
         * 參數一: Version matchVersion 版本號【和上面是一樣的】
         * 參數二:String f,【要查詢的字段】
         * 參數三:Analyzer a【使用的拆詞算法】
         * */
        Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_30);
        QueryParser queryParser = new QueryParser(Version.LUCENE_30, "userName", analyzer);

        //給出要查詢的關鍵字
        String keyWords = "鐘";

        //創建Query對象來封裝關鍵字
        Query query = queryParser.parse(keyWords);

        //用IndexSearcher對象去索引庫中查詢符合條件的前100條記錄,不足100條記錄的以實際為準
        TopDocs topDocs = indexSearcher.search(query, 100);

        //獲取符合條件的編號

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

            ScoreDoc scoreDoc = topDocs.scoreDocs[i];
            int no = scoreDoc.doc;
            //用indexSearcher對象去索引庫中查詢編號對應的Document對象
            Document document = indexSearcher.doc(no);

            //將Document對象中的所有屬性取出,再封裝回JavaBean對象中去
            String id = document.get("id");
            String userName = document.get("userName");
            String sal = document.get("sal");

            User user = new User(id, userName, sal);
            System.out.println(user);
            
        }

這里寫圖片描述

效果:

這里寫圖片描述


1.3進一步說明Lucene代碼

我們的Lucene程序就是大概這么一個思路:將JavaBean對象封裝到Document對象中,然后通過IndexWriter把document寫入到索引庫中。當用戶需要查詢的時候,就使用IndexSearcher從索引庫中讀取數據,找到對應的Document對象,從而解析里邊的內容,再封裝到JavaBean對象中讓我們使用。

這里寫圖片描述

二、對Lucene代碼優化

我們再次看回我們上一篇快速入門寫過的代碼,我來截取一些有代表性的:

以下代碼在把數據填充到索引庫,和從索引庫查詢數據的時候,都出現了。是重復代碼!


        Directory directory = FSDirectory.open(new File("E:/createIndexDB"));

        //使用標準的分詞算法對原始記錄表進行拆分
        Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_30);

以下的代碼其實就是將JavaBean的數據封裝到Document對象中,我們是可以通過反射來對其進行封裝....如果不封裝的話,我們如果有很多JavaBean都要添加到Document對象中,就會出現很多類似的代碼。


        document.add(new Field("id", user.getId(), Field.Store.YES, Field.Index.ANALYZED));
        document.add(new Field("userName", user.getUserName(), Field.Store.YES, Field.Index.ANALYZED));
        document.add(new Field("sal", user.getSal(), Field.Store.YES, Field.Index.ANALYZED));

以下代碼就是從Document對象中把數據取出來,封裝到JavaBean去。如果JavaBean中有很多屬性,也是需要我們寫很多次類似代碼....



            //將Document對象中的所有屬性取出,再封裝回JavaBean對象中去
            String id = document.get("id");
            String userName = document.get("userName");
            String sal = document.get("sal");
            User user = new User(id, userName, sal);

2.1編寫Lucene工具類

在編寫工具類的時候,值得注意的地方:

  • 當我們得到了對象的屬性的時候,就可以把屬性的get方法封裝起來
  • 得到get方法,就可以調用它,得到對應的值
  • 在操作對象的屬性時,我們要使用暴力訪問
  • 如果有屬性,值,對象這三個變量,我們記得使用BeanUtils組件

import org.apache.commons.beanutils.BeanUtils;
import org.apache.lucene.analysis.Analyzer;
import org.apache.lucene.analysis.standard.StandardAnalyzer;
import org.apache.lucene.document.Document;
import org.apache.lucene.index.IndexWriter;
import org.apache.lucene.store.Directory;
import org.apache.lucene.store.FSDirectory;
import org.apache.lucene.util.Version;
import org.junit.Test;

import java.io.File;
import java.lang.reflect.Field;
import java.lang.reflect.Method;

/**
 * Created by ozc on 2017/7/12.
 */

/**
 * 使用單例事例模式
 * */
public class LuceneUtils {
    private static Directory directory;
    private static Analyzer analyzer;
    private static IndexWriter.MaxFieldLength maxFieldLength;

    private LuceneUtils() {}

    static{
        try {
            directory = FSDirectory.open(new File("E:/createIndexDB"));
            analyzer = new StandardAnalyzer(Version.LUCENE_30);
            maxFieldLength = IndexWriter.MaxFieldLength.LIMITED;
        } catch (Exception e) {
            e.printStackTrace();

        }
    }

    public static Directory getDirectory() {
        return directory;
    }

    public static Analyzer getAnalyzer() {
        return analyzer;
    }

    public static IndexWriter.MaxFieldLength getMaxFieldLength() {
        return maxFieldLength;
    }

    /**
     * @param object 傳入的JavaBean類型
     * @return 返回Document對象
     */
    public static Document javaBean2Document(Object object) {
        try {
            Document document = new Document();
            //得到JavaBean的字節碼文件對象
            Class<?> aClass = object.getClass();

            //通過字節碼文件對象得到對應的屬性【全部的屬性,不能僅僅調用getFields()】
            Field[] fields = aClass.getDeclaredFields();

            //得到每個屬性的名字
            for (Field field : fields) {
                String name = field.getName();
                //得到屬性的值【也就是調用getter方法獲取對應的值】
                String method = "get" + name.substring(0, 1).toUpperCase() + name.substring(1);
                //得到對應的值【就是得到具體的方法,然后調用就行了。因為是get方法,沒有參數】
                Method aClassMethod = aClass.getDeclaredMethod(method, null);
                String value = aClassMethod.invoke(object).toString();
                System.out.println(value);


                //把數據封裝到Document對象中。
                document.add(new org.apache.lucene.document.Field(name, value, org.apache.lucene.document.Field.Store.YES, org.apache.lucene.document.Field.Index.ANALYZED));
            }
            return document;
        }  catch (Exception e) {
            e.printStackTrace();
        }
        return null;
    }


    /**
     * @param aClass   要解析的對象類型,要用戶傳入進來
     * @param document 將Document對象傳入進來
     * @return 返回一個JavaBean
     */
    public static Object Document2JavaBean(Document document, Class aClass) {
        try {
            //創建該JavaBean對象
            Object obj = aClass.newInstance();
            //得到該JavaBean所有的成員變量
            Field[] fields = aClass.getDeclaredFields();
            for (Field field : fields) {

                //設置允許暴力訪問
                field.setAccessible(true);
                String name = field.getName();
                String value = document.get(name);
                //使用BeanUtils把數據封裝到Bean中
                BeanUtils.setProperty(obj, name, value);
            }
            return obj;
        } catch (Exception e) {
            e.printStackTrace();
        }
        return null;
    }
    @Test
    public void test() {
        User user = new User();
        LuceneUtils.javaBean2Document(user);
    }
    
}

2.2使用LuceneUtils改造程序


    @Test
    public void createIndexDB() throws Exception {
        //把數據填充到JavaBean對象中
        User user = new User("2", "鐘福成2", "未來的程序員2");
        Document document = LuceneUtils.javaBean2Document(user);
        /**
         * IndexWriter將我們的document對象寫到硬盤中
         *
         * 參數一:Directory d,寫到硬盤中的目錄路徑是什么
         * 參數二:Analyzer a, 以何種算法來對document中的原始記錄表數據進行拆分成詞匯表
         * 參數三:MaxFieldLength mfl 最多將文本拆分出多少個詞匯
         *
         * */
        IndexWriter indexWriter = new IndexWriter(LuceneUtils.getDirectory(), LuceneUtils.getAnalyzer(), LuceneUtils.getMaxFieldLength());

        //將Document對象通過IndexWriter對象寫入索引庫中
        indexWriter.addDocument(document);
        //關閉IndexWriter對象
        indexWriter.close();
    }


    @Test
    public void findIndexDB() throws Exception {


        //創建IndexSearcher對象
        IndexSearcher indexSearcher = new IndexSearcher(LuceneUtils.getDirectory());
        //創建QueryParser對象
        QueryParser queryParser = new QueryParser(Version.LUCENE_30, "userName", LuceneUtils.getAnalyzer());
        //給出要查詢的關鍵字
        String keyWords = "鐘";
        //創建Query對象來封裝關鍵字
        Query query = queryParser.parse(keyWords);
        //用IndexSearcher對象去索引庫中查詢符合條件的前100條記錄,不足100條記錄的以實際為準
        TopDocs topDocs = indexSearcher.search(query, 100);
        //獲取符合條件的編號
        for (int i = 0; i < topDocs.scoreDocs.length; i++) {
            ScoreDoc scoreDoc = topDocs.scoreDocs[i];
            int no = scoreDoc.doc;
            //用indexSearcher對象去索引庫中查詢編號對應的Document對象
            Document document = indexSearcher.doc(no);
            //將Document對象中的所有屬性取出,再封裝回JavaBean對象中去
            User user = (User) LuceneUtils.Document2JavaBean(document, User.class);
            System.out.println(user);

        }
    }

三、索引庫優化

我們已經可以創建索引庫并且從索引庫讀取對象的數據了。其實索引庫還有地方可以優化的....

3.1合并文件

我們把數據添加到索引庫中的時候,每添加一次,都會幫我們自動創建一個cfs文件...

這里寫圖片描述

這樣其實不好,因為如果數據量一大,我們的硬盤就有非常非常多的cfs文件了.....其實索引庫會幫我們自動合并文件的,默認是10個。

如果,我們想要修改默認的值,我們可以通過以下的代碼修改:


//索引庫優化
indexWriter.optimize();

//設置合并因子為3,每當有3個cfs文件,就合并
indexWriter.setMergeFactor(3);

3.2設置內存索引庫

我們的目前的程序是直接與文件進行操作,這樣對IO的開銷其實是比較大的。而且速度相對較慢....我們可以使用內存索引庫來提高我們的讀寫效率...

對于內存索引庫而言,它的速度是很快的,因為我們直接操作內存...但是呢,我們要將內存索引庫是要到硬盤索引庫中保存起來的。當我們讀取數據的時候,先要把硬盤索引庫的數據同步到內存索引庫中去的。

這里寫圖片描述


        Article article = new Article(1,"培訓","傳智是一家Java培訓機構");
        Document document = LuceneUtil.javabean2document(article);
        
        Directory fsDirectory = FSDirectory.open(new File("E:/indexDBDBDBDBDBDBDBDB"));
        Directory ramDirectory = new RAMDirectory(fsDirectory);
        
        IndexWriter fsIndexWriter = new IndexWriter(fsDirectory,LuceneUtil.getAnalyzer(),true,LuceneUtil.getMaxFieldLength());
        IndexWriter ramIndexWriter = new IndexWriter(ramDirectory,LuceneUtil.getAnalyzer(),LuceneUtil.getMaxFieldLength());
        
        ramIndexWriter.addDocument(document);
        ramIndexWriter.close();
        
        fsIndexWriter.addIndexesNoOptimize(ramDirectory);
        fsIndexWriter.close();

四、分詞器

我們在前面中就已經說過了,在把數據存到索引庫的時候,我們會使用某些算法,將原始記錄表的數據存到詞匯表中.....那么這些算法總和我們可以稱之為分詞器

分詞器: ** 采用一種算法,將中英文本中的字符拆分開來,形成詞匯,以待用戶輸入關健字后搜索**

對于為什么要使用分詞器,我們也明確地說過:由于用戶不可能把我們的原始記錄數據完完整整地記錄下來,于是他們在搜索的時候,是通過關鍵字進行對原始記錄表的查詢....此時,我們就采用分詞器來最大限度地匹配相關的數據

這里寫圖片描述

4.1分詞器流程

  • 步一:按分詞器拆分出詞匯
  • 步二:去除停用詞和禁用詞
  • 步三:如果有英文,把英文字母轉為小寫,即搜索不分大小寫

4.2分詞器API

我們在選擇分詞算法的時候,我們會發現有非常非常多地分詞器API,我們可以用以下代碼來看看該分詞器是怎么將數據分割的


    private static void testAnalyzer(Analyzer analyzer, String text) throws Exception {
        System.out.println("當前使用的分詞器:" + analyzer.getClass());
        TokenStream tokenStream = analyzer.tokenStream("content",new StringReader(text));
        tokenStream.addAttribute(TermAttribute.class);
        while (tokenStream.incrementToken()) {
            TermAttribute termAttribute = tokenStream.getAttribute(TermAttribute.class);
            System.out.println(termAttribute.term());
        }
    }

在實驗完之后,我們就可以選擇恰當的分詞算法了....

4.3IKAnalyzer分詞器

這是一個第三方的分詞器,我們如果要使用的話需要導入對應的jar包

  • IKAnalyzer3.2.0Stable.jar
  • 步二:將IKAnalyzer.cfg.xml和stopword.dic和xxx.dic文件復制到MyEclipse的src目錄下,再進行配置,在配置時,首行需要一個空行

這個第三方的分詞器有什么好呢????他是中文首選的分詞器...也就是說:他是按照中文的詞語來進行拆分的!


五、對搜索結果進行處理

5.1搜索結果高亮

我們在使用SQL時,搜索出來的數據是沒有高亮的...而我們使用Lucene,搜索出來的內容我們可以設置關鍵字為高亮...這樣一來就更加注重用戶體驗了!


        String keywords = "鐘福成";
        List<Article> articleList = new ArrayList<Article>();
        QueryParser queryParser = new QueryParser(LuceneUtil.getVersion(),"content",LuceneUtil.getAnalyzer());
        Query query = queryParser.parse(keywords);
        IndexSearcher indexSearcher = new IndexSearcher(LuceneUtil.getDirectory());
        TopDocs topDocs = indexSearcher.search(query,1000000);
        
        //設置關鍵字高亮
        Formatter formatter = new SimpleHTMLFormatter("<font color="red">","</font>");
        Scorer scorer = new QueryScorer(query);
        Highlighter highlighter = new Highlighter(formatter,scorer);
        
        for(int i=0;i<topDocs.scoreDocs.length;i++){
            ScoreDoc scoreDoc = topDocs.scoreDocs[i];
            int no = scoreDoc.doc;
            Document document = indexSearcher.doc(no);
            
            //設置內容高亮
            String highlighterContent = highlighter.getBestFragment(LuceneUtil.getAnalyzer(),"content",document.get("content"));
            document.getField("content").setValue(highlighterContent);
            
            Article article = (Article) LuceneUtil.document2javabean(document,Article.class);
            articleList.add(article);
        }
        for(Article article : articleList){
            System.out.println(article);
        }
    }

5.2搜索結果摘要

如果我們搜索出來的文章內容太大了,而我們只想顯示部分的內容,那么我們可以對其進行摘要...

值得注意的是:搜索結果摘要需要與設置高亮一起使用


String keywords = "鐘福成";
        List<Article> articleList = new ArrayList<Article>();
        QueryParser queryParser = new QueryParser(LuceneUtil.getVersion(),"content",LuceneUtil.getAnalyzer());
        Query query = queryParser.parse(keywords);
        IndexSearcher indexSearcher = new IndexSearcher(LuceneUtil.getDirectory());
        TopDocs topDocs = indexSearcher.search(query,1000000);
        
        Formatter formatter = new SimpleHTMLFormatter("<font color="red">","</font>");
        Scorer scorer = new QueryScorer(query);
        Highlighter highlighter = new Highlighter(formatter,scorer);
        
        //設置摘要
        Fragmenter fragmenter  = new SimpleFragmenter(4);
        highlighter.setTextFragmenter(fragmenter);
        
        for(int i=0;i<topDocs.scoreDocs.length;i++){
            ScoreDoc scoreDoc = topDocs.scoreDocs[i];
            int no = scoreDoc.doc;
            Document document = indexSearcher.doc(no);
            
            String highlighterContent = highlighter.getBestFragment(LuceneUtil.getAnalyzer(),"content",document.get("content"));
            document.getField("content").setValue(highlighterContent);
            
            Article article = (Article) LuceneUtil.document2javabean(document,Article.class);
            articleList.add(article);
        }
        for(Article article : articleList){
            System.out.println(article);
        }
    }

5.3搜索結果排序

我們搜索引擎肯定用得也不少,使用不同的搜索引擎來搜索相同的內容。他們首頁的排行順序也會不同...這就是它們內部用了搜索結果排序....

影響網頁的排序有非常多種:

  • head/meta/【keywords關鍵字】
  • 網頁的標簽整潔
  • 網頁執行速度
  • 采用div+css
  • 等等等等

而在Lucene中我們就可以設置相關度得分來使不同的結果對其進行排序:


        IndexWriter indexWriter = new IndexWriter(LuceneUtil.getDirectory(),LuceneUtil.getAnalyzer(),LuceneUtil.getMaxFieldLength());
        //為結果設置得分
        document.setBoost(20F);
        indexWriter.addDocument(document);
        indexWriter.close();

當然了,我們也可以按單個字段排序:

    //true表示降序
    Sort sort = new Sort(new SortField("id",SortField.INT,true));
    TopDocs topDocs = indexSearcher.search(query,null,1000000,sort);

也可以按多個字段排序:在多字段排序中,只有第一個字段排序結果相同時,第二個字段排序才有作用 提倡用數值型排序


        Sort sort = new Sort(new SortField("count",SortField.INT,true),new SortField("id",SortField.INT,true));
        TopDocs topDocs = indexSearcher.search(query,null,1000000,sort);

5.4條件搜索

在我們的例子中,我們使用的是根據一個關鍵字來對某個字段的內容進行搜索。語法類似于下面:

    QueryParser queryParser = new QueryParser(LuceneUtil.getVersion(),"content",LuceneUtil.getAnalyzer());
    

其實,我們也可以使用關鍵字來對多個字段進行搜索,也就是多條件搜索。我們實際中常常用到的是多條件搜索,多條件搜索可以使用我們最大限度匹配對應的數據!


QueryParser queryParser = new MultiFieldQueryParser(LuceneUtil.getVersion(),new String[]{"content","title"},LuceneUtil.getAnalyzer());

六、總結

  • Lucene是全文索引引擎的祖先,后面的Solr、Elasticsearch都是基于Lucene的(后面會有一篇講Elasticsearch的,敬請期待~)
  • Lucene中存的就是一系列的二進制壓縮文件和一些控制文件,這些內容統稱為索引庫,索引庫又分了兩個部分:
    • 原始記錄
    • 詞匯表
  • 了解索引庫的優化方式:1、合并文件 2、設置內存索引庫
  • Lucene的分詞器有非常多種,選擇自己適合的一種進行分詞
  • 查詢出來的結果可對其設置高亮、摘要、排序

這篇這是Lucene的冰山一角,一般現在用的可能都是Solr、Elasticsearch的了,但想要更加深入了解Lucene可翻閱其他資料哦~

如果文章有錯的地方歡迎指正,大家互相交流。習慣在微信看技術文章,想要獲取更多的Java資源的同學,可以關注微信公眾號:Java3y

當前文章:http://www.hfcxdn.com/ask/question_88718.html

發布時間:2019-05-22 00:25:22

哪兒的紅王子錦帶價格便宜? 湖南哪里有賣豐花月季的? 甘肅櫻花價格便宜嗎? 16公分黑松批發基地在哪里? 垂絲海棠樹苗價格哪里便宜? 紫藤種子幾月播種最好? 秋冬季狗牙根草種為什么不發芽? 杜鵑花和格?;ㄓ袇^別嗎?

最好最多的冬青小苗,全中國就幾個地方能算便宜 去哪里求購金森女貞小苗? 湖南可以栽植藤本月季嗎? 60cm冠幅紅葉石楠球什么價格? 冬季能種植含羞草嗎? 江西適合種植蘆葦嗎? 3月可以播種杏樹嗎? 樸樹花期是什么時候? 綠化專用火棘報價哪家便宜?

編輯:馬帝

我要說兩句: (0人參與)

發布
捕鱼达人之深海狩猎