一个例子学懂搜索引擎(lucene)

作者: fengkuanghun
发布时间:2015-07-08 16:57:09

其实,lucene是一个很容易上手的搜索引擎框架,传统的搜索引擎,涉及到爬虫,也就是爬取网页,然后对 网页进行加工,也就是索引,最后用于搜索,lucene这个框架可以很方便的帮你做到后面两个步骤,也就是索引和搜索!本文尝试通过一个例子,使大家掌握 lucene的使用核心方法,包括分词、索引、搜索不同的目录、搜索不同的域,希望大家通过这个实例,对lucene和搜索引擎能有比较全面的认识!

其 实,lucene是一个很容易上手的搜索引擎框架,传统的搜索引擎,涉及到爬虫,也就是爬取网页,然后对网页进行加工,也就是索引,最后用于搜 索,lucene这个框架可以很方便的帮你做到后面两个步骤,也就是索引和搜索!本文尝试通过一个例子,使大家掌握lucene的使用核心方法,包括分 词、索引、搜索不同的目录、搜索不同的域,希望大家通过这个实例,对lucene和搜索引擎能有比较全面的认识!

下面是这个例子的代码:
phz.LuceneTest.java

 
  1. package  phz;
  2.  
  3. import  org.Apache.lucene.analysis.standard.StandardAnalyzer;
  4. import  org.apache.lucene.document.Document;
  5. import  org.apache.lucene.document.Field;
  6. import  org.apache.lucene.index.IndexWriter;
  7. import  org.apache.lucene.queryParser.MultiFieldQueryParser;
  8. import  org.apache.lucene.search.BooleanClause;
  9. import  org.apache.lucene.search.Hits;
  10. import  org.apache.lucene.search.IndexSearcher;
  11. import  org.apache.lucene.search.MultiSearcher;
  12. import  org.apache.lucene.search.Query;
  13.  
  14. /**
  15.  * 这个实例包含了lucene所有核心用法
  16.  *
  17.  * @author panhuizi
  18.  *
  19.  */
  20. public   class  LuceneTest {
  21.  
  22.     public   static   void  main(String[] args) {
  23.         try  {
  24.             LuceneTest luceneTest = new  LuceneTest();
  25.             // 创建索引
  26.             luceneTest.index();
  27.             // 在索引所在目录下搜索"中国 金牌"
  28.             luceneTest.search("中国 金牌" );
  29.         } catch  (Exception e) {
  30.             e.printStackTrace();
  31.         }
  32.         System.out.println("ok" );
  33.     }
  34.  
  35.     public   void  index()  throws  Exception {
  36.         /* 创建索引初始化,执行这些语句将创建或清空d://save//目录下所有索引 */
  37.         IndexWriter writer1 = new  IndexWriter( "d://save//" ,
  38.                 new  StandardAnalyzer(),  true );
  39.         writer1.close();
  40.  
  41.         /*
  42.          * 往创建的初始化索引中添加索引内容,StandardAnalyzer表示用lucene自带的标准分词机制,
  43.          * false表示不覆盖原来该目录的索引,细心的读者可能已经发现, 这句话和上面的那句就这个false不一样
  44.          */
  45.         IndexWriter writer2 = new  IndexWriter( "d://save//" ,
  46.                 new  StandardAnalyzer(),  false );
  47.         /* 创建一份文件 */
  48.         Document doc1 = new  Document();
  49.         /*
  50.          * 创建一个域ArticleTitle,并往这个域里面添加内容 "Field.Store.YES"表示域里面的内容将被存储到索引
  51.          * "Field.Index.TOKENIZED"表示域里面的内容将被索引,以便用来搜索
  52.          */
  53.         Field field1 = new  Field( "ArticleTitle" "北京2008年奥运会" , Field.Store.YES,
  54.                 Field.Index.TOKENIZED);
  55.         /* 往文件里添加这个域 */
  56.         doc1.add(field1);
  57.         /* 同理:创建另外一个域ArticleText,并往这个域里面添加内容 */
  58.         Field field2 = new  Field( "ArticleText" "这是一届创造奇迹、超越梦想的奥运会......." ,
  59.                 Field.Store.YES, Field.Index.TOKENIZED);
  60.         doc1.add(field2);
  61.         // 在这里还可以添加其他域
  62.         /* 添加这份文件到索引 */
  63.         writer2.addDocument(doc1);
  64.  
  65.         /* 同理:创建第二份文件 */
  66.         Document doc2 = new  Document();
  67.         field1 = new  Field( "ArticleTitle" "中国获得全球赞誉" , Field.Store.YES,
  68.                 Field.Index.TOKENIZED);
  69.         doc2.add(field1);
  70.         field2 = new  Field( "ArticleText" "中国所取得的金牌总数排行榜的榜首........" ,
  71.                 Field.Store.YES, Field.Index.TOKENIZED);
  72.         doc2.add(field2);
  73.  
  74.         writer2.addDocument(doc2);
  75.  
  76.         // 在这里可以添加其他文件
  77.  
  78.         /* 关闭 */
  79.         writer2.close();
  80.     }
  81.  
  82.     public   void  search(String serchString)  throws  Exception {
  83.         /* 创建一个搜索,搜索刚才创建的d://save//目录下的索引 */
  84.         IndexSearcher indexSearcher = new  IndexSearcher( "d://save//" );
  85.         /* 在这里我们只需要搜索一个目录 */
  86.         IndexSearcher indexSearchers[] = { indexSearcher };
  87.         /* 我们需要搜索两个域"ArticleTitle", "ArticleText"里面的内容 */
  88.         String[] fields = { "ArticleTitle" "ArticleText"  };
  89.         /* 下面这个表示要同时搜索这两个域,而且只要一个域里面有满足我们搜索的内容就行 */
  90.         BooleanClause.Occur[] clauses = { BooleanClause.Occur.SHOULD,
  91.                 BooleanClause.Occur.SHOULD };
  92.         /*
  93.          * MultiFieldQueryParser表示多个域解析,
  94.          * 同时可以解析含空格的字符串,如果我们搜索"中国 金牌",根据前面的索引,显然搜到的是第二份文件
  95.          */
  96.         Query query = MultiFieldQueryParser.parse(serchString, fields, clauses,
  97.                 new  StandardAnalyzer());
  98.         /* Multisearcher表示多目录搜索,在这里我们只有一个目录 */
  99.         MultiSearcher searcher = new  MultiSearcher(indexSearchers);
  100.         /* 开始搜索 */
  101.         Hits h = searcher.search(query);
  102.         /* 把搜索出来的所有文件打印出来 */
  103.         for  ( int  i =  0 ; i < h.length(); i++) {
  104.             /* 打印出文件里面ArticleTitle域里面的内容 */
  105.             System.out.println(h.doc(i).get("ArticleTitle" ));
  106.             /* 打印出文件里面ArticleText域里面的内容 */
  107.             System.out.println(h.doc(i).get("ArticleText" ));
  108.         }
  109.         /* 关闭 */
  110.         searcher.close();
  111.     }
  112. }
package phz;    import org.apache.lucene.analysis.standard.StandardAnalyzer;  import org.apache.lucene.document.Document;  import org.apache.lucene.document.Field;  import org.apache.lucene.index.IndexWriter;  import org.apache.lucene.queryParser.MultiFieldQueryParser;  import org.apache.lucene.search.BooleanClause;  import org.apache.lucene.search.Hits;  import org.apache.lucene.search.IndexSearcher;  import org.apache.lucene.search.MultiSearcher;  import org.apache.lucene.search.Query;    /**   * 这个实例包含了lucene所有核心用法   *    * @author panhuizi   *    */  public class LuceneTest {    	public static void main(String[] args) {  		try {  			LuceneTest luceneTest = new LuceneTest();  			// 创建索引  			luceneTest.index();  			// 在索引所在目录下搜索"中国 金牌"  			luceneTest.search("中国 金牌");  		} catch (Exception e) {  			e.printStackTrace();  		}  		System.out.println("ok");  	}    	public void index() throws Exception {  		/* 创建索引初始化,执行这些语句将创建或清空d://save//目录下所有索引 */  		IndexWriter writer1 = new IndexWriter("d://save//",  				new StandardAnalyzer(), true);  		writer1.close();    		/*  		 * 往创建的初始化索引中添加索引内容,StandardAnalyzer表示用lucene自带的标准分词机制,  		 * false表示不覆盖原来该目录的索引,细心的读者可能已经发现, 这句话和上面的那句就这个false不一样  		 */  		IndexWriter writer2 = new IndexWriter("d://save//",  				new StandardAnalyzer(), false);  		/* 创建一份文件 */  		Document doc1 = new Document();  		/*  		 * 创建一个域ArticleTitle,并往这个域里面添加内容 "Field.Store.YES"表示域里面的内容将被存储到索引  		 * "Field.Index.TOKENIZED"表示域里面的内容将被索引,以便用来搜索  		 */  		Field field1 = new Field("ArticleTitle", "北京2008年奥运会", Field.Store.YES,  				Field.Index.TOKENIZED);  		/* 往文件里添加这个域 */  		doc1.add(field1);  		/* 同理:创建另外一个域ArticleText,并往这个域里面添加内容 */  		Field field2 = new Field("ArticleText", "这是一届创造奇迹、超越梦想的奥运会.......",  				Field.Store.YES, Field.Index.TOKENIZED);  		doc1.add(field2);  		// 在这里还可以添加其他域  		/* 添加这份文件到索引 */  		writer2.addDocument(doc1);    		/* 同理:创建第二份文件 */  		Document doc2 = new Document();  		field1 = new Field("ArticleTitle", "中国获得全球赞誉", Field.Store.YES,  				Field.Index.TOKENIZED);  		doc2.add(field1);  		field2 = new Field("ArticleText", "中国所取得的金牌总数排行榜的榜首........",  				Field.Store.YES, Field.Index.TOKENIZED);  		doc2.add(field2);    		writer2.addDocument(doc2);    		// 在这里可以添加其他文件    		/* 关闭 */  		writer2.close();  	}    	public void search(String serchString) throws Exception {  		/* 创建一个搜索,搜索刚才创建的d://save//目录下的索引 */  		IndexSearcher indexSearcher = new IndexSearcher("d://save//");  		/* 在这里我们只需要搜索一个目录 */  		IndexSearcher indexSearchers[] = { indexSearcher };  		/* 我们需要搜索两个域"ArticleTitle", "ArticleText"里面的内容 */  		String[] fields = { "ArticleTitle", "ArticleText" };  		/* 下面这个表示要同时搜索这两个域,而且只要一个域里面有满足我们搜索的内容就行 */  		BooleanClause.Occur[] clauses = { BooleanClause.Occur.SHOULD,  				BooleanClause.Occur.SHOULD };  		/*  		 * MultiFieldQueryParser表示多个域解析,  		 * 同时可以解析含空格的字符串,如果我们搜索"中国 金牌",根据前面的索引,显然搜到的是第二份文件  		 */  		Query query = MultiFieldQueryParser.parse(serchString, fields, clauses,  				new StandardAnalyzer());  		/* Multisearcher表示多目录搜索,在这里我们只有一个目录 */  		MultiSearcher searcher = new MultiSearcher(indexSearchers);  		/* 开始搜索 */  		Hits h = searcher.search(query);  		/* 把搜索出来的所有文件打印出来 */  		for (int i = 0; i < h.length(); i++) {  			/* 打印出文件里面ArticleTitle域里面的内容 */  			System.out.println(h.doc(i).get("ArticleTitle"));  			/* 打印出文件里面ArticleText域里面的内容 */  			System.out.println(h.doc(i).get("ArticleText"));  		}  		/* 关闭 */  		searcher.close();  	}  }  

附件中每一步骤都有比较详细的说明!
关于lucene,有任何疑问,都可以提出来,大家一起交流!

  • luceneTest.rar (594.2 KB)
  • 描述: 这个实例包含了lucene所有核心用法
  • 下载次数: 375

转载自:http://phz50.javaeye.com/blog/232429

其实,lucene是一个很容易上手的搜索引擎框架,传统的搜索引擎,涉及到爬虫,也就是爬取网页,然后对网页进行加工,也就是 索引,最后用于搜 索,lucene这个框架可以很方便的帮你做到后面两个步骤,也就是索引和搜索!本文尝试通过一个例子,使大家掌握lucene的使用核心方法,包括分 词、索引、搜索不同的目录、搜索不同的域,希望大家通过这个实例,对lucene和搜索引擎能有比较全面的认识!

下面是这个例子的代码:
phz.LuceneTest.java

 
  1. package  phz;
  2.  
  3. import  org.apache.lucene.analysis.standard.StandardAnalyzer;
  4. import  org.apache.lucene.document.Document;
  5. import  org.apache.lucene.document.Field;
  6. import  org.apache.lucene.index.IndexWriter;
  7. import  org.apache.lucene.queryParser.MultiFieldQueryParser;
  8. import  org.apache.lucene.search.BooleanClause;
  9. import  org.apache.lucene.search.Hits;
  10. import  org.apache.lucene.search.IndexSearcher;
  11. import  org.apache.lucene.search.MultiSearcher;
  12. import  org.apache.lucene.search.Query;
  13.  
  14. /**
  15.  * 这个实例包含了lucene所有核心用法
  16.  *
  17.  * @author panhuizi
  18.  *
  19.  */
  20. public   class  LuceneTest {
  21.  
  22.     public   static   void  main(String[] args) {
  23.         try  {
  24.             LuceneTest luceneTest = new  LuceneTest();
  25.             // 创建索引
  26.             luceneTest.index();
  27.             // 在索引所在目录下搜索"中国 金牌"
  28.             luceneTest.search("中国 金牌" );
  29.         } catch  (Exception e) {
  30.             e.printStackTrace();
  31.         }
  32.         System.out.println("ok" );
  33.     }
  34.  
  35.     public   void  index()  throws  Exception {
  36.         /* 创建索引初始化,执行这些语句将创建或清空d://save//目录下所有索引 */
  37.         IndexWriter writer1 = new  IndexWriter( "d://save//" ,
  38.                 new  StandardAnalyzer(),  true );
  39.         writer1.close();
  40.  
  41.         /*
  42.          * 往创建的初始化索引中添加索引内容,StandardAnalyzer表示用lucene自带的标准分词机制,
  43.          * false表示不覆盖原来该目录的索引,细心的读者可能已经发现, 这句话和上面的那句就这个false不一样
  44.          */
  45.         IndexWriter writer2 = new  IndexWriter( "d://save//" ,
  46.                 new  StandardAnalyzer(),  false );
  47.         /* 创建一份文件 */
  48.         Document doc1 = new  Document();
  49.         /*
  50.          * 创建一个域ArticleTitle,并往这个域里面添加内容 "Field.Store.YES"表示域里面的内容将被存储到索引
  51.          * "Field.Index.TOKENIZED"表示域里面的内容将被索引,以便用来搜索
  52.          */
  53.         Field field1 = new  Field( "ArticleTitle" "北京2008年奥运会" , Field.Store.YES,
  54.                 Field.Index.TOKENIZED);
  55.         /* 往文件里添加这个域 */
  56.         doc1.add(field1);
  57.         /* 同理:创建另外一个域ArticleText,并往这个域里面添加内容 */
  58.         Field field2 = new  Field( "ArticleText" "这是一届创造奇迹、超越梦想的奥运会......." ,
  59.                 Field.Store.YES, Field.Index.TOKENIZED);
  60.         doc1.add(field2);
  61.         // 在这里还可以添加其他域
  62.         /* 添加这份文件到索引 */
  63.         writer2.addDocument(doc1);
  64.  
  65.         /* 同理:创建第二份文件 */
  66.         Document doc2 = new  Document();
  67.         field1 = new  Field( "ArticleTitle" "中国获得全球赞誉" , Field.Store.YES,
  68.                 Field.Index.TOKENIZED);
  69.         doc2.add(field1);
  70.         field2 = new  Field( "ArticleText" "中国所取得的金牌总数排行榜的榜首........" ,
  71.                 Field.Store.YES, Field.Index.TOKENIZED);
  72.         doc2.add(field2);
  73.  
  74.         writer2.addDocument(doc2);
  75.  
  76.         // 在这里可以添加其他文件
  77.  
  78.         /* 关闭 */
  79.         writer2.close();
  80.     }
  81.  
  82.     public   void  search(String serchString)  throws  Exception {
  83.         /* 创建一个搜索,搜索刚才创建的d://save//目录下的索引 */
  84.         IndexSearcher indexSearcher = new  IndexSearcher( "d://save//" );
  85.         /* 在这里我们只需要搜索一个目录 */
  86.         IndexSearcher indexSearchers[] = { indexSearcher };
  87.         /* 我们需要搜索两个域"ArticleTitle", "ArticleText"里面的内容 */
  88.         String[] fields = { "ArticleTitle" "ArticleText"  };
  89.         /* 下面这个表示要同时搜索这两个域,而且只要一个域里面有满足我们搜索的内容就行 */
  90.         BooleanClause.Occur[] clauses = { BooleanClause.Occur.SHOULD,
  91.                 BooleanClause.Occur.SHOULD };
  92.         /*
  93.          * MultiFieldQueryParser表示多个域解析,
  94.          * 同时可以解析含空格的字符串,如果我们搜索"中国 金牌",根据前面的索引,显然搜到的是第二份文件
  95.          */
  96.         Query query = MultiFieldQueryParser.parse(serchString, fields, clauses,
  97.                 new  StandardAnalyzer());
  98.         /* Multisearcher表示多目录搜索,在这里我们只有一个目录 */
  99.         MultiSearcher searcher = new  MultiSearcher(indexSearchers);
  100.         /* 开始搜索 */
  101.         Hits h = searcher.search(query);
  102.         /* 把搜索出来的所有文件打印出来 */
  103.         for  ( int  i =  0 ; i < h.length(); i++) {
  104.             /* 打印出文件里面ArticleTitle域里面的内容 */
  105.             System.out.println(h.doc(i).get("ArticleTitle" ));
  106.             /* 打印出文件里面ArticleText域里面的内容 */
  107.             System.out.println(h.doc(i).get("ArticleText" ));
  108.         }
  109.         /* 关闭 */
  110.         searcher.close();
  111.     }
  112. }
package phz;    import org.apache.lucene.analysis.standard.StandardAnalyzer;  import org.apache.lucene.document.Document;  import org.apache.lucene.document.Field;  import org.apache.lucene.index.IndexWriter;  import org.apache.lucene.queryParser.MultiFieldQueryParser;  import org.apache.lucene.search.BooleanClause;  import org.apache.lucene.search.Hits;  import org.apache.lucene.search.IndexSearcher;  import org.apache.lucene.search.MultiSearcher;  import org.apache.lucene.search.Query;    /**   * 这个实例包含了lucene所有核心用法   *    * @author panhuizi   *    */  public class LuceneTest {    	public static void main(String[] args) {  		try {  			LuceneTest luceneTest = new LuceneTest();  			// 创建索引  			luceneTest.index();  			// 在索引所在目录下搜索"中国 金牌"  			luceneTest.search("中国 金牌");  		} catch (Exception e) {  			e.printStackTrace();  		}  		System.out.println("ok");  	}    	public void index() throws Exception {  		/* 创建索引初始化,执行这些语句将创建或清空d://save//目录下所有索引 */  		IndexWriter writer1 = new IndexWriter("d://save//",  				new StandardAnalyzer(), true);  		writer1.close();    		/*  		 * 往创建的初始化索引中添加索引内容,StandardAnalyzer表示用lucene自带的标准分词机制,  		 * false表示不覆盖原来该目录的索引,细心的读者可能已经发现, 这句话和上面的那句就这个false不一样  		 */  		IndexWriter writer2 = new IndexWriter("d://save//",  				new StandardAnalyzer(), false);  		/* 创建一份文件 */  		Document doc1 = new Document();  		/*  		 * 创建一个域ArticleTitle,并往这个域里面添加内容 "Field.Store.YES"表示域里面的内容将被存储到索引  		 * "Field.Index.TOKENIZED"表示域里面的内容将被索引,以便用来搜索  		 */  		Field field1 = new Field("ArticleTitle", "北京2008年奥运会", Field.Store.YES,  				Field.Index.TOKENIZED);  		/* 往文件里添加这个域 */  		doc1.add(field1);  		/* 同理:创建另外一个域ArticleText,并往这个域里面添加内容 */  		Field field2 = new Field("ArticleText", "这是一届创造奇迹、超越梦想的奥运会.......",  				Field.Store.YES, Field.Index.TOKENIZED);  		doc1.add(field2);  		// 在这里还可以添加其他域  		/* 添加这份文件到索引 */  		writer2.addDocument(doc1);    		/* 同理:创建第二份文件 */  		Document doc2 = new Document();  		field1 = new Field("ArticleTitle", "中国获得全球赞誉", Field.Store.YES,  				Field.Index.TOKENIZED);  		doc2.add(field1);  		field2 = new Field("ArticleText", "中国所取得的金牌总数排行榜的榜首........",  				Field.Store.YES, Field.Index.TOKENIZED);  		doc2.add(field2);    		writer2.addDocument(doc2);    		// 在这里可以添加其他文件    		/* 关闭 */  		writer2.close();  	}    	public void search(String serchString) throws Exception {  		/* 创建一个搜索,搜索刚才创建的d://save//目录下的索引 */  		IndexSearcher indexSearcher = new IndexSearcher("d://save//");  		/* 在这里我们只需要搜索一个目录 */  		IndexSearcher indexSearchers[] = { indexSearcher };  		/* 我们需要搜索两个域"ArticleTitle", "ArticleText"里面的内容 */  		String[] fields = { "ArticleTitle", "ArticleText" };  		/* 下面这个表示要同时搜索这两个域,而且只要一个域里面有满足我们搜索的内容就行 */  		BooleanClause.Occur[] clauses = { BooleanClause.Occur.SHOULD,  				BooleanClause.Occur.SHOULD };  		/*  		 * MultiFieldQueryParser表示多个域解析,  		 * 同时可以解析含空格的字符串,如果我们搜索"中国 金牌",根据前面的索引,显然搜到的是第二份文件  		 */  		Query query = MultiFieldQueryParser.parse(serchString, fields, clauses,  				new StandardAnalyzer());  		/* Multisearcher表示多目录搜索,在这里我们只有一个目录 */  		MultiSearcher searcher = new MultiSearcher(indexSearchers);  		/* 开始搜索 */  		Hits h = searcher.search(query);  		/* 把搜索出来的所有文件打印出来 */  		for (int i = 0; i < h.length(); i++) {  			/* 打印出文件里面ArticleTitle域里面的内容 */  			System.out.println(h.doc(i).get("ArticleTitle"));  			/* 打印出文件里面ArticleText域里面的内容 */  			System.out.println(h.doc(i).get("ArticleText"));  		}  		/* 关闭 */  		searcher.close();  	}  }  

版权声明:本文为博主原创文章,未经博主允许不得转载。

标签: Lucene
来源:http://blog.csdn.net/fengkuanghun/article/details/4254008

推荐: