出處：http://www.cnblogs.com/magicchaiy/archive/2013/06/07/LuceneNet%E7%9B%98%E5%8F%A4%E5%88%86%E8%AF%8D%E5%99%A8%E5%AE%9E%E4%BE%8B%E5%88%86%E6%9E%90%E4%BB%8B%E7%BB%8D.html
1、Lucenne.Net簡介
2、介紹盤古分詞器
3、Lucene.Net實例分析
4、結束語（Demo下載）
Lucene.net是Lucene的.net移植版本，是一個開源的全文檢索引擎開發包，即它不是一個完整的全文檢索引擎，而是一個全文檢索引擎的架構，提供了完整的查詢引擎和索引引擎。開發人員可以基於Lucene.net實現全文檢索的功能。
Lucene.net是Apache軟件基金會贊助的開源項目，基於Apache License協議。
Lucene.net並不是一個爬行搜索引擎，也不會自動地索引內容。我們得先將要索引的文檔中的文本抽取出來，然后再將其加到Lucene.net索引中。標准的步驟是先初始化一個Analyzer、打開一個IndexWriter、然后再將文檔一個接一個地加進去。一旦完成這些步驟，索引就可以在關閉前得到優化，同時所做的改變也會生效。這個過程可能比開發者習慣的方式更加手工化一些，但卻在數據的索引上給予你更多的靈活性。
（來自百度百科）
盤古分詞是一個中英文分詞組件。作者eaglet 曾經開發過KTDictSeg 中文分詞組件，擁有大量用戶。作者基於之前分詞組件的開發經驗，結合最新的開發技術重新編寫了盤古分詞組件。主要有以下功能:
1、中文未登陸詞識別
2、詞頻優先
3、一元分詞，多元分詞
4、中文人名分詞
5、繁體中文分詞
6、英文分詞
7、用戶自定義規則（字典管理，動態加載字典，關鍵詞高亮）
……
由於盤古分詞器不是本章的重點內容，就簡單帶過了。有興趣的朋友可以自己網上找找相關資料。文章末尾會提供一個盤古分詞器的應用程序供下載
先上一下Demo的圖把，看下最后運行效果：
數據是臨時隨便創建的數據，表格和樣式也是隨便畫的，不喜歡的朋友多包涵吶！
接下來就一步一步來講解整個編碼過程（主要對一些核心的類和細節作為講解過程），Let's GO
第一步：創建索引
1、由於索引是存放在硬盤里的，所以先定義一個索引的目錄
1 /// <summary>
2 /// 索引存放目錄
3 /// </summary>
4 protected string IndexDic
5 {
6 get
7 {
8 return Server.MapPath("/IndexDic");
9 }
10 }
2、創建索引器把要索引的內容寫入到指定目錄
|
1
|
IndexWriter writer =
new
IndexWriter(IndexDic, PanGuAnalyzer, isCreate, Lucene.Net.Index.IndexWriter.MaxFieldLength.LIMITED);
|
索引器的構造函數參數說明：
IndexDic是索引存放目錄
PanGuAnalyzer是盤古解析器（由於默認的解析器解析能力不強，所以替換為這個）
IsCreate是索引創建方式（true：重新新建索引，false：從舊的索引執行追加）
Lucene.Net.Index.IndexWriter.MaxFieldLength.LIMITED是文件長度是否限制
3、創建索引Document和往文檔寫入索引內容
1 private void AddIndex(IndexWriter writer, string title, string content,string date)
2 {
3 try
4 {
5 Document doc = new Document();
6 doc.Add(new Field("Title", title, Field.Store.YES, Field.Index.ANALYZED));//存儲且索引
7 doc.Add(new Field("Content", content, Field.Store.YES, Field.Index.ANALYZED));//存儲且索引
8 doc.Add(new Field("AddTime", date, Field.Store.YES, Field.Index.NOT_ANALYZED));//存儲且索引
9 writer.AddDocument(doc);
10 }
11 catch (FileNotFoundException fnfe)
12 {
13 throw fnfe;
14 }
15 catch (Exception ex)
16 {
17 throw ex;
18 }
19 }
Document是索引文檔，可以理解成數據庫里的記錄
Field是索引文檔里的字段，可以直接理解成數據庫里的字段
Field構造函數說明：
第一個是字段名稱（實例里是Title,Content,AddTime）。
第二個是字段的存儲方式（Field.Store.YES：進行存儲，Filed.Store.No：不進行存儲）有些字段值比較大，可以選擇No不存儲，對字段進行存儲是為了檢索的時候對某些字段進行提取。
第三個是是否索引（Field.Index.ANALYZED：索引， Field.Index.NOT_ANALYZED：非索引）
4、到此為止索引就創建完成了，應該可以看到索引目錄會產生幾個文件，如下圖：
第二步：搜索索引
lucene的搜索相當強大，它提供了很多輔助查詢類，每個類都繼承自Query類，各自完成一種特殊的查詢，你可以像搭積木一樣將它們任意組合使用，完成一些復雜操 作；另外lucene還提供了Sort類對結果進行排序，提供了Filter類對查詢條件進行限制。你或許會不自覺地拿它跟SQL語句進行比 較：“lucene能執行and、or、order by、where、like ‘%xx%’操作嗎？”回答是：“當然沒問題！”
1 private void SearchIndex()
2 {
3 Dictionary<string, string> dic = new Dictionary<string, string>();
4 BooleanQuery bQuery = new BooleanQuery();
5 string title = string.Empty;
6 string content = string.Empty;
7 if (Request.Form["title"] != null && Request.Form["title"].ToString()!="")
8 {
9 title =GetKeyWordsSplitBySpace( Request.Form["title"].ToString());
10 QueryParser parse = new QueryParser("Title", PanGuAnalyzer);
11 Query query = parse.Parse(title);
12 parse.SetDefaultOperator(QueryParser.Operator.AND);
13 bQuery.Add(query, BooleanClause.Occur.MUST);
14 dic.Add("title",Request.Form["title"].ToString());
15 txtTitle = Request.Form["title"].ToString();
16 }
17 if (Request.Form["content"] != null && Request.Form["content"].ToString() != "")
18 {
19 content = GetKeyWordsSplitBySpace(Request.Form["content"].ToString());
20 QueryParser parse = new QueryParser("Content", PanGuAnalyzer);
21 Query query = parse.Parse(content);
22 parse.SetDefaultOperator(QueryParser.Operator.AND);
23 bQuery.Add(query, BooleanClause.Occur.MUST);
24 dic.Add("content",Request.Form["content"].ToString());
25 txtContent = Request.Form["content"].ToString();
26 }
27 if (bQuery != null && bQuery.GetClauses().Length>0)
28 {
29 GetSearchResult(bQuery, dic);
30 }
31 }
這段代碼創建了一個索引查詢器，對title和content這兩個字段進行查詢。
1、介紹各種Query
TermQuery： 首先介紹最基本的查詢，如果你想執行一個這樣的查詢：在content字段中查詢包含‘劉備的document”，那么你可以用TermQuery：
1 Term t = new Term("content", "劉備");
2 Query query = new TermQuery(t);
BooleanQuery ：如果你想這么查詢：在content字段中包含”劉備“並且在title字段包含”三國“的document”，那么你可以建立兩個TermQuery並把它們用BooleanQuery連接起來：
1 TermQuery termQuery1 = new TermQuery(new Term("content", "劉備"));
2 TermQuery termQuery2 = new TermQuery(new Term("title", "三國"));
3 BooleanQuery booleanQuery = new BooleanQuery();
4 booleanQuery.Add(termQuery1, BooleanClause.Occur.SHOULD);
5 booleanQuery.Add(termQuery2, BooleanClause.Occur.SHOULD);
WildcardQuery ：如果你想對某單詞進行通配符查詢，你可以用WildcardQuery，通配符包括’?’匹配一個任意字符和’*’匹配零個或多個任意字符，例如你搜索’三國*’，你可能找到’三國演義’或者’三國志’：
1 Query query = new WildcardQuery(new Term("content", "三國*"));
PhraseQuery ：你可能對中日關系比較感興趣，想查找‘中’和‘日’挨得比較近（5個字的距離內）的文章，超過這個距離的不予考慮，你可以：
1 PhraseQuery query = new PhraseQuery();
2 query.SetSlop(5);
3 query.Add(new Term("content ", "中"));
4 query.Add(new Term("content", "日"));
那么它可能搜到“中日合作……”、“中方和日方……”，但是搜不到“中國某高層領導說日本欠扁”。
PrefixQuery ：如果你想搜以‘中’開頭的詞語，你可以用PrefixQuery：
1 PrefixQuery query = new PrefixQuery(new Term("content ", "中"));
FuzzyQuery ：FuzzyQuery用來搜索相似的term，使用Levenshtein算法。假設你想搜索跟‘wuzza’相似的詞語，你可以：
1 Query query = new FuzzyQuery(new Term("content", "wuzza"));
你可能得到‘fuzzy’和‘wuzzy’。
RangeQuery： 另一個常用的Query是RangeQuery，你也許想搜索時間域從20060101到20060130之間的document，你可以用RangeQuery：
1 RangeQuery query = new RangeQuery(new Term("time","20060101"), new Term("time","20060130"), true);
最后的true表示用閉合區間。
第三步:返回索引結果
上面介紹完各種查詢的Query，接下來看看LuceneNet返回的數據集如何處理，如何顯示高亮，上代碼：
1 private void GetSearchResult(BooleanQuery bQuery,Dictionary<string,string> dicKeywords)
2 {
3 IndexSearcher search = new IndexSearcher(IndexDic,true);
4 Stopwatch stopwatch = Stopwatch.StartNew();
5 //SortField構造函數第三個字段true為降序,false為升序
6 Sort sort = new Sort(new SortField("AddTime", SortField.DOC, true));
7 TopDocs docs = search.Search(bQuery, (Filter)null, PageSize * PageIndex, sort);
8 stopwatch.Stop();
9 if (docs != null && docs.totalHits > 0)
10 {
11 lSearchTime = stopwatch.ElapsedMilliseconds;
12 txtPageFoot = GetPageFoot(PageIndex, PageSize, docs.totalHits, "sabrosus");
13 for (int i = 0; i < docs.totalHits; i++)
14 {
15 if (i >= (PageIndex - 1) * PageSize && i < PageIndex * PageSize)
16 {
17 Document doc = search.Doc(docs.scoreDocs[i].doc);
18 Article model = new Article()
19 {
20 Title = doc.Get("Title").ToString(),
21 Content = doc.Get("Content").ToString(),
22 AddTime = doc.Get("AddTime").ToString()
23 };
24 list.Add(SetHighlighter(dicKeywords, model));
25 }
26 }
27 }
28 }
最后這段代碼相對比較簡單，我就說下幾個關鍵的類和高亮提示把。
1、關鍵類說明：
IndexSearcher：索引查詢器，它的構造函數有兩個參數，一個是索引文件路徑，一個是是否只讀（一般都設置為true就可以）。這個東西可以理解為SqlServer里面的查詢分析器。
Sort：看字眼可知道是索引排序類。主要說一下第三個參數，第三個參數是排序方式（true為降序，false為升序）。
TopDocs：這個是查詢后返回的文檔，可以理解為Sqlserver的表，search.Search可以當做是在查詢分析器里按了一次F5查詢。
2、設置關鍵字高亮：
1 private Article SetHighlighter(Dictionary<string, string> dicKeywords, Article model)
2 {
3 SimpleHTMLFormatter simpleHTMLFormatter = new PanGu.HighLight.SimpleHTMLFormatter("<font color=\"green\">", "</font>");
4 Highlighter highlighter = new PanGu.HighLight.Highlighter(simpleHTMLFormatter, new Segment());
5 highlighter.FragmentSize = 50;
6 string strTitle = string.Empty;
7 string strContent = string.Empty;
8 dicKeywords.TryGetValue("title", out strTitle);
9 dicKeywords.TryGetValue("content", out strContent);
10 if (!string.IsNullOrEmpty(strTitle))
11 {
12 model.Title = highlighter.GetBestFragment(strTitle, model.Title);
13 }
14 if (!string.IsNullOrEmpty(strContent))
15 {
16 model.Content = highlighter.GetBestFragment(strContent, model.Content);
17 }
18 return model;
19 }
這里用的也是盤古的高亮組件，設置高亮主要分兩個步驟：
設置高亮的顯示樣式、設置高亮的查詢關鍵字
SimpleHTMLFormatter：這個類是一個HTML的格式類，構造函數有兩個，一個是開始標簽，一個是結束標簽。
Segment：添加索引時並不是每個document都馬上添加到同一個索引文件，它們首先被寫入到不同的小文件，然后再合並成一個大索引文件，這里每個小文件都是一個segment。
感謝大家的閱讀，如果這篇文章能幫的上你，那是我的榮幸。如果文章哪里寫的不好，還請多多指教。
參考文獻：
http://www.cnblogs.com/jeffwongishandsome/archive/2011/01/02/1924107.html
http://space.itpub.net/12639172/viewspace-626546
Demo下載 （Demo是visual studio 2010編寫的，打不開請下載vs2010或者自己更改為vs2008或其他版本）