講解之前，先來分享一些資料
首先呢，學習任何一門新的亦或是舊的開源技術，百度其中一二是最簡單的辦法，先了解其中的大概，思想等等。這里就貢獻一個講解很到位的ppt。已經被我轉成了PDF，便於搜藏。
其次，關於第一次編程初探，建議還是查看官方資料。百度到的資料，目前Lucene已經更新到4.9版本，這個版本需要1.7以上的JDK，所以如果還用1.6甚至是1.5的小盆友，請參考低版本，由於我用的1.6，因此在使用Lucene4.0。
這是Lucene4.0的官網文檔：http://lucene.apache.org/core/4_0_0/core/overview-summary.html
這里非常佩服Lucene的開元貢獻者，可以閱讀Lucene in Action，作者最初想要寫軟件賺錢，最后貢獻給了Apache，跑題了。
最后，提醒學習Lucene的小盆友們，這個開源軟件的版本更新不慢，版本之間的編程風格亦是不同，所以如果百度到的帖子，可能這段代碼，用了4.0或者3.6就會不好使。
比如，以前版本的申請IndexWriter時，是這樣的：
IndexWriter indexWriter = new IndexWriter(indexDir,luceneAnalyzer, true );
但是4.0，我們需要配置一個conf，把配置內容放到這個對象中：
IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_CURRENT, analyzer);
IndexWriter iwriter = new IndexWriter(directory, config);
所以，請一定要參考官方文檔的編程風格，進行代碼的書寫。
最后的最后，從官網上面下載下來的文件，已經上傳至百度網盤，歡迎下載。
這是其中最常用的五個文件：
第一個，也是最重要的，Lucene-core-4.0.0.jar,其中包括了常用的文檔，索引，搜索，存儲等相關核心代碼。
第二個，Lucene-analyzers-common-4.0.0.jar，這里面包含了各種語言的詞法分析器，用於對文件內容進行關鍵字切分，提取。
第三個，Lucene-highlighter-4.0.0.jar，這個jar包主要用於搜索出的內容高亮顯示。
第四個和第五個，Lucene-queryparser-4.0.0.jar，提供了搜索相關的代碼，用於各種搜索，比如模糊搜索，范圍搜索，等等。
廢話說到這里，下面我們簡單的講解一下什么是全文檢索。
比如，我們一個文件夾中，或者一個磁盤中有很多的文件，記事本、world、Excel、pdf，我們想根據其中的關鍵詞搜索包含的文件。例如，我們輸入Lucene，所有內容含有Lucene的文件就會被檢查出來。這就是所謂的全文檢索。
因此，很容易的我們想到，應該建立一個關鍵字與文件的相關映射，盜用ppt中的一張圖，很明白的解釋了這種映射如何實現。
在Lucene中，就是使用這種“倒排索引”的技術，來實現相關映射。
有了這種映射關系，我們就來看看Lucene的架構設計。
下面是Lucene的資料必出現的一張圖，但也是其精髓的概括。
我們可以看到，Lucene的使用主要體現在兩個步驟：
1 創建索引，通過IndexWriter對不同的文件進行索引的創建，並將其保存在索引相關文件存儲的位置中。
2 通過索引查尋關鍵字相關文檔。
下面針對官網上面給出的一個例子，進行分析：
1 Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_CURRENT);
2
3 // Store the index in memory:
4 Directory directory = new RAMDirectory();
5 // To store an index on disk, use this instead:
6 //Directory directory = FSDirectory.open("/tmp/testindex");
7 IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_CURRENT, analyzer);
8 IndexWriter iwriter = new IndexWriter(directory, config);
9 Document doc = new Document();
10 String text = "This is the text to be indexed.";
11 doc.add(new Field("fieldname", text, TextField.TYPE_STORED));
12 iwriter.addDocument(doc);
13 iwriter.close();
14
15 // Now search the index:
16 DirectoryReader ireader = DirectoryReader.open(directory);
17 IndexSearcher isearcher = new IndexSearcher(ireader);
18 // Parse a simple query that searches for "text":
19 QueryParser parser = new QueryParser(Version.LUCENE_CURRENT, "fieldname", analyzer);
20 Query query = parser.parse("text");
21 ScoreDoc[] hits = isearcher.search(query, null, 1000).scoreDocs;
22 assertEquals(1, hits.length);
23 // Iterate through the results:
24 for (int i = 0; i < hits.length; i++) {
25 Document hitDoc = isearcher.doc(hits[i].doc);
26 assertEquals("This is the text to be indexed.", hitDoc.get("fieldname"));
27 }
28 ireader.close();
29 directory.close();
索引的創建
首先，我們需要定義一個詞法分析器。
比如一句話，“我愛我們的中國！”，如何對他拆分，扣掉停頓詞“的”，提取關鍵字“我”“我們”“中國”等等。這就要借助的詞法分析器Analyzer來實現。這里面使用的是標准的詞法分析器，如果專門針對漢語，還可以搭配paoding，進行使用。
1 Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_CURRENT);
參數中的Version.LUCENE_CURRENT，代表使用當前的Lucene版本，本文環境中也可以寫成Version.LUCENE_40。
第二步，確定索引文件存儲的位置，Lucene提供給我們兩種方式：
1 本地文件存儲
Directory directory = FSDirectory.open("/tmp/testindex");
2 內存存儲
Directory directory = new RAMDirectory();
可以根據自己的需要進行設定。
第三步，創建IndexWriter，進行索引文件的寫入。
IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_CURRENT, analyzer); IndexWriter iwriter = new IndexWriter(directory, config);
這里的IndexWriterConfig，據官方文檔介紹，是對indexWriter的配置，其中包含了兩個參數，第一個是目前的版本，第二個是詞法分析器Analyzer。
第四步，內容提取，進行索引的存儲。
Document doc = new Document();
String text = "This is the text to be indexed.";
doc.add(new Field("fieldname", text, TextField.TYPE_STORED));
iwriter.addDocument(doc);
iwriter.close();
第一行，申請了一個document對象，這個類似於數據庫中的表中的一行。
第二行，是我們即將索引的字符串。
第三行，把字符串存儲起來（因為設置了TextField.TYPE_STORED,如果不想存儲，可以使用其他參數，詳情參考官方文檔），並存儲“表明”為"fieldname".
第四行，把doc對象加入到索引創建中。
第五行，關閉IndexWriter,提交創建內容。
這就是索引創建的過程。
關鍵字查詢：
第一步，打開存儲位置
DirectoryReader ireader = DirectoryReader.open(directory);
第二步，創建搜索器
IndexSearcher isearcher = new IndexSearcher(ireader);
第三步，類似SQL，進行關鍵字查詢
QueryParser parser = new QueryParser(Version.LUCENE_CURRENT, "fieldname", analyzer);
Query query = parser.parse("text");
ScoreDoc[] hits = isearcher.search(query, null, 1000).scoreDocs;
assertEquals(1, hits.length);
for (int i = 0; i < hits.length; i++) {
Document hitDoc = isearcher.doc(hits[i].doc);
assertEquals("This is the text to be indexed.",hitDoc.get("fieldname"));
}
這里，我們創建了一個查詢器，並設置其詞法分析器，以及查詢的“表名“為”fieldname“。查詢結果會返回一個集合，類似SQL的ResultSet，我們可以提取其中存儲的內容。
關於各種不同的查詢方式，可以參考官方手冊，或者推薦的PPT
第四步，關閉查詢器等。
ireader.close(); directory.close();
最后，博豬自己寫了個簡單的例子，可以對一個文件夾內的內容進行索引的創建，並根據關鍵字篩選文件，並讀取其中的內容。
創建索引：
/**
* 創建當前文件目錄的索引
* @param path 當前文件目錄
* @return 是否成功
*/
public static boolean createIndex(String path){
Date date1 = new Date();
List<File> fileList = getFileList(path);
for (File file : fileList) {
content = "";
//獲取文件后綴
String type = file.getName().substring(file.getName().lastIndexOf(".")+1);
if("txt".equalsIgnoreCase(type)){
content += txt2String(file);
}else if("doc".equalsIgnoreCase(type)){
content += doc2String(file);
}else if("xls".equalsIgnoreCase(type)){
content += xls2String(file);
}
System.out.println("name :"+file.getName());
System.out.println("path :"+file.getPath());
// System.out.println("content :"+content);
System.out.println();
try{
analyzer = new StandardAnalyzer(Version.LUCENE_CURRENT);
directory = FSDirectory.open(new File(INDEX_DIR));
File indexFile = new File(INDEX_DIR);
if (!indexFile.exists()) {
indexFile.mkdirs();
}
IndexWriterConfig config = new IndexWriterConfig(Version.LUCENE_CURRENT, analyzer);
indexWriter = new IndexWriter(directory, config);
Document document = new Document();
document.add(new TextField("filename", file.getName(), Store.YES));
document.add(new TextField("content", content, Store.YES));
document.add(new TextField("path", file.getPath(), Store.YES));
indexWriter.addDocument(document);
indexWriter.commit();
closeWriter();
}catch(Exception e){
e.printStackTrace();
}
content = "";
}
Date date2 = new Date();
System.out.println("創建索引-----耗時：" + (date2.getTime() - date1.getTime()) + "ms\n");
return true;
}
進行查詢：
/**
* 查找索引，返回符合條件的文件
* @param text 查找的字符串
* @return 符合條件的文件List
*/
public static void searchIndex(String text){
Date date1 = new Date();
try{
directory = FSDirectory.open(new File(INDEX_DIR));
analyzer = new StandardAnalyzer(Version.LUCENE_CURRENT);
DirectoryReader ireader = DirectoryReader.open(directory);
IndexSearcher isearcher = new IndexSearcher(ireader);
QueryParser parser = new QueryParser(Version.LUCENE_CURRENT, "content", analyzer);
Query query = parser.parse(text);
ScoreDoc[] hits = isearcher.search(query, null, 1000).scoreDocs;
for (int i = 0; i < hits.length; i++) {
Document hitDoc = isearcher.doc(hits[i].doc);
System.out.println("____________________________");
System.out.println(hitDoc.get("filename"));
System.out.println(hitDoc.get("content"));
System.out.println(hitDoc.get("path"));
System.out.println("____________________________");
}
ireader.close();
directory.close();
}catch(Exception e){
e.printStackTrace();
}
Date date2 = new Date();
System.out.println("查看索引-----耗時：" + (date2.getTime() - date1.getTime()) + "ms\n");
}
全部代碼:
View Code
運行結果：
所有包含man關鍵字的文件，都被篩選出來了。
