3.Lucene3.x API分析,Director 索引操作目录,Document,分词器



1  Lucene卡发包结构分析

包名

功能

org.apache.lucene.analysis

Analysis提供自带的各种Analyzer

org.apache.lucene.collation

包含collationKeyFiltercollationKeyAnalyzer两个相同功能的类,将所有token转为CollationKey,与IndexableBinaryStringTools一起存为term

org.apache.lucene.document

Document包中是Document相关各种数据结构,如Document类,Field类等

org.apache.lucene.index

index包中是索引的读写操作类,常用的是对索引文件的segment进行写、合并和优化的IndexWriter类和对索引进行读取和删除操作的IndexReader

org.apache.lucene.queryParser

queryParser包中是解析查询语句相关的类(常用的是QueryParser类)

org.apache.lucene.search

检索管理,根据查询条件,检索得到结果search包中是从索引中进行搜索的各种不同的Query(TermQueryBooleanQuery)和搜索结果集Hits

org.apache.lucene.store

 

store包中是索引的存储相关类,如Directory类定义了索引文件的存储结构,FSDirectory是存储在文件系统(即磁盘)中的索引存储类,RAMDirectory为存储在内存中的索引存储类

org.apache.lucene.util

util包中是公共工具类,例如时间和字符串之间的转换工具

2  Director 索引操作目录

FSDirectory :磁盘路径,在磁盘中创建文件索引库

RAMDirectory:内存路径,指在内存中创建文件索引库

//当前工程index目录,相对路径

FSDirectory.open(new File("index"));

//绝对路径

FSDirectory.open(new File("d:\\index"));

//在类路径下创建

FSDirectory.open(new File(LuceneTest.class.getResource("/").getFile()));

      

//内存路径

RAMDirectory directory = new RAMDirectory();

3  分词器(主要要完全搜索的不要分词,比如当查询书的书号时不分词)

Analyzer 分词器

new StandardAnalyzer(Version.LUCENE_36); //建立标准分词器,对于汉子采用单自分词

4  Document索引中文对象,Field文档内部数据信息

每个数据对象,对应一个Document对象

对应一个属性,对应一个Field对象

newField(fieldname,value,Store,Index);  将数据建立索引库FieldStore决定是否存储,Index决定是否索引分词

Store.YES 存储 Store.NO  不存储

Index.NO  不建立索引

Index.ANALYZED 分词建立索引   保存权重信息

Index.NOT_ANALYZED 不分词建立索引

Index.ANALYZED_NO_NORMS  分词建立索引,不存放权重信息

Index.NOT_ANALYZED_NO_NORMS 不分词建立索引,不存放权重信息

Document document = new Document();

document.add(new Field("id", article.getId() + "", Store.YES,

Index.NOT_ANALYZED));//对于id通常不分词的

document.add(newField("title",article.getTitle(),Store.YES,Index.ANALYZED));

document.add(new Field("content", article.getContent(), Store.YES,Index.ANALYZED));

@Test

   // 查询索引库,查看norms效果

   public void testQuery() throws Exception {

      // 建立Query对象--根据标题

      String queryString = "Lucene";

      // 第一个参数,版本号

      // 第二个参数,字段

      // 第三个参数,分词器

      Analyzer analyzer = new StandardAnalyzer(Version.LUCENE_36);

      QueryParser queryParser = new QueryParser(Version.LUCENE_36, "content",

            analyzer);

      Query query = queryParser.parse(queryString);

 

      // 根据Query查找

      // 索引目录位置

      Directory directory = FSDirectory.open(new File("index"));

      IndexSearcher indexSearcher = new IndexSearcher(

            IndexReader.open(directory));

      // 查询满足结果的前100条数据

      TopDocs topDocs = indexSearcher.search(query, 100);

      System.out.println("满足结果记录条数:" + topDocs.totalHits);

 

      // 获取结果

      ScoreDoc[] scoreDocs = topDocs.scoreDocs;

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

         // 先获得Document下标

         int docID = scoreDocs[i].doc;

         Document document = indexSearcher.doc(docID);

         System.out.println("得分:" + scoreDocs[i].score);

         System.out.println("id:" + document.get("id"));

         System.out.println("title:" + document.get("title"));

         System.out.println("content:" + document.get("content"));

      }

 

      indexSearcher.close();

   }

运行结果:  

3.Lucene3.x API分析,Director 索引操作目录,Document,分词器

3.Lucene3.x API分析,Director 索引操作目录,Document,分词器

是否分词, 根据业务查找条件决定

是否存储, 根据业务是否需要返回结果数据 决定

norm是按照词频计算的

问题:Index.ANALYZED 和 Index.ANALYZED_NO_NORMS 区别     

         Index.ANALYZED 会保存权重信息

         Index.ANALYZED_NO_NORMS 不会保存权重信息

 

权重会影响得分,得分计算排名, 搜索技术搜索结果 一定要进行排序,按照得分

* 不保存norm值,默认按照 1.0 计算

* norm 是按照词条数 计算,值<= 1

index.ANALYZED_NO_NORMS 效率会高一些

4 索引创建过程

分词器Analyzer

目录Directory

进入索引写入,必须使用IndexWriter,但是在初始化IndexWriter过程中,对目标索引库加锁。

 

当试图对一个索引库创建多个IndexWriter时,报异常

         org.apache.lucene.util.SetOnce$AlreadySetException:The object cannot be set twice! 

                   *使用同一 indexWriterConfig 两次

         org.apache.lucene.store.LockObtainFailedException:Lock obtain timed out:NativeFSLock@D:\work\javaee20130408\lucene3_day1\index\write.lock

                   *试图创建第二个IndexWriter 第一个IndexWriter 还没有关闭,锁文件还在

 

问题:如果两个线程同时对一个索引库操作怎么办?---解决办法:只能使用同一个IndexWriter对象

 

 

3.Lucene3.x API分析,Director 索引操作目录,Document,分词器

上一篇:【BZOJ】1179: [Apio2009]Atm(tarjan+spfa)


下一篇:C#获取文件夹/文件的大小以及占用空间 转摘自:http://www.cnblogs.com/chenpeng-dota/articles/2176470.html