Lucene介绍与入门使用

缺乏、安全感 2024-02-18 21:18 41阅读 0赞

## Lucene简介 ##

Lucene是apache软件基金会4 jakarta项目组的一个子项目，是一个开放源代码的全文检索引擎工具包，但它不是一个完整的全文检索引擎，而是一个全文检索引擎的架构，提供了完整的查询引擎和索引引擎，部分文本分析引擎（英文与德文两种西方语言）。Lucene的目的是为软件开发人员提供一个简单易用的工具包，以方便的在目标系统中实现全文检索的功能，或者是以此为基础建立起完整的全文检索引擎。Lucene是一套用于全文检索和搜寻的开源程式库，由Apache软件基金会支持和提供。Lucene提供了一个简单却强大的应用程式接口，能够做全文索引和搜寻。在Java开发环境里Lucene是一个成熟的免费开源工具。就其本身而言，Lucene是当前以及最近几年最受欢迎的免费Java信息检索程序库。人们经常提到信息检索程序库，虽然与搜索引擎有关，但不应该将信息检索程序库与搜索引擎相混淆。

#### 　　那么先来说一说什么是全文搜索 ####

说之前先说一说数据的分类：

我们生活中的数据总体分为两种：结构化数据和非结构化数据。

（1）结构化数据：指具有固定格式或有限长度的数据，如数据库，元数据等。

（2）非结构化数据：指不定长或无固定格式的数据，如邮件，word文档等磁盘上的文件

### 　　结构化数据查询方法 ###

#### 　　数据库搜索 ####

数据库中的搜索很容易实现，通常都是使用sql语句进行查询，而且能很快的得到查询结果。

为什么数据库搜索很容易？

因为数据库中的数据存储是有规律的，有行有列而且数据格式、数据长度都是固定的。

### 　　非结构化数据查询方法 ###

（1）顺序扫描法(Serial Scanning)

所谓顺序扫描，比如要找内容包含某一个字符串的文件，就是一个文档一个文档的看，对于每一个文档，从头看到尾，如果此文档包含此字符串，则此文档为我们要找的文件，接着看下一个文件，直到扫描完所有的文件。如利用windows的搜索也可以搜索文件内容，只是相当的慢。

（2）全文检索(Full-text Search)

将非结构化数据中的一部分信息提取出来，重新组织，使其变得有一定结构，然后对此有一定结构的数据进行搜索，从而达到搜索相对较快的目的。这部分从非结构化数据中提取出的然后重新组织的信息，我们称之索引。

例如：字典。字典的拼音表和部首检字表就相当于字典的索引，对每一个字的解释是非结构化的，如果字典没有音节表和部首检字表，在茫茫辞海中找一个字只能顺序扫描。然而字的某些信息可以提取出来进行结构化处理，比如读音，就比较结构化，分声母和韵母，分别只有几种可以一一列举，于是将读音拿出来按一定的顺序排列，每一项读音都指向此字的详细解释的页数。我们搜索时按结构化的拼音搜到读音，然后按其指向的页数，便可找到我们的非结构化数据——也即对字的解释。

这种先建立索引，再对索引进行搜索的过程就叫全文检索(Full-text Search)。

虽然创建索引的过程也是非常耗时的，但是索引一旦创建就可以多次使用，全文检索主要处理的是查询，所以耗时间创建索引是值得的。

#### 　　全文检索的应用场景 ####

对于数据量大、数据结构不固定的数据可采用全文检索方式搜索，比如百度、Google等搜索引擎、论坛站内搜索、电商网站站内搜索等。

## 　　Lucene实现全文检索的流程 ##

#### 　　索引和搜索流程图    ####

![70][]

1、绿色表示索引过程，对要搜索的原始内容进行索引构建一个索引库，索引过程包括：

确定原始内容即要搜索的内容→采集文档→创建文档→分析文档→索引文档

2、红色表示搜索过程，从索引库中搜索内容，搜索过程包括：

用户通过搜索界面→创建查询→执行搜索，从索引库搜索→渲染搜索结果

接下来详细讲解一下这张图片：

### 　1，创建索引 ###

对文档索引的过程，将用户要搜索的文档内容进行索引，索引存储在索引库（index）中。

这里我们要搜索的文档是磁盘上的文本文件，根据案例描述：凡是文件名或文件内容包括关键字的文件都要找出来，这里要对文件名和文件内容创建索引。

#### 　　1.1.1. 获得原始文档 ####

原始文档是指要索引和搜索的内容。原始内容包括互联网上的网页、数据库中的数据、磁盘上的文件等。

从互联网上、数据库、文件系统中等获取需要搜索的原始信息，这个过程就是信息采集，信息采集的目的是为了对原始内容进行索引。在Internet上采集信息的软件通常称为爬虫或蜘蛛，也称为网络机器人，爬虫访问互联网上的每一个网页，将获取到的网页内容存储起来。

Lucene不提供信息采集的类库，需要自己编写一个爬虫程序实现信息采集，也可以通过一些开源软件实现信息采集，如下：

（1）Nutch（[http://lucene.apache.org/nutch][http_lucene.apache.org_nutch]）, Nutch是apache的一个子项目，包括大规模爬虫工具，能够抓取和分辨web网站数据。

（2）jsoup（http://jsoup.org/ ），jsoup 是一款Java 的HTML解析器，可直接解析某个URL地址、HTML文本内容。它提供了一套非常省力的API，可通过DOM，CSS以及类似于jQuery的操作方法来取出和操作数据。

（3）heritrix（http://sourceforge.net/projects/archive-crawler/files/），Heritrix 是一个由 java 开发的、开源的网络爬虫，用户可以使用它来从网上抓取想要的资源。其最出色之处在于它良好的可扩展性，方便用户实现自己的抓取逻辑。

本案例我们要获取磁盘上文件的内容，可以通过文件流来读取文本文件的内容，对于pdf、doc、xls等文件可通过第三方提供的解析工具读取文件内容，比如Apache POI读取doc和xls的文件内容。

#### 　　1.1.2. 创建文档对象 ####

获取原始内容的目的是为了索引，在索引前需要将原始内容创建成文档（Document），文档中包括一个一个的域（Field），域中存储内容。

这里我们可以将磁盘上的一个文件当成一个document，Document中包括一些Field（file\_name文件名称、file\_path文件路径、file\_size文件大小、file\_content文件内容），如下图：

![1227182-20171011192234699-115366628.png][]

注意：（1）每个Document可以有多个Field

（2）不同的Document可以有不同的Field

（3）同一个Document可以有相同的Field（域名和域值都相同）

（4）每个文档都有一个唯一的编号，就是文档id。

#### 　　1.1.3. 分析文档 ####

将原始内容创建为包含域（Field）的文档（document），需要再对域中的内容进行分析，分析的过程是经过对原始文档提取单词、将字母转为小写、去除标点符号、去除停用词等过程生成最终的语汇单元，可以将语汇单元理解为一个一个的单词。

比如下边的文档经过分析如下：

原文档内容：

Lucene is a Java full-text search engine.

分析后得到的语汇单元：

lucene、java、full、search、engine

每个单词叫做一个Term，不同的域中拆分出来的相同的单词是不同的term。term中包含两部分一部分是文档的域名，另一部分是单词的内容。

例如：文件名中包含apache和文件内容中包含的apache是不同的term。

#### 　　1.1.4. 创建索引 ####

对所有文档分析得出的语汇单元进行索引，索引的目的是为了搜索，最终要实现只搜索被索引的语汇单元从而找到Document（文档）。

![1227182-20171011194345059-873127678.png][]

#### ![1227182-20171011193525215-791530589.png][] ####

注意：（1）创建索引是对语汇单元索引，通过词语找文档，这种索引的结构叫倒排索引结构。

（2）传统方法是根据文件找到该文件的内容，在文件内容中匹配搜索关键字，这种方法是顺序扫描方法，数据量大、搜索慢。

（3）倒排索引结构是根据内容（词语）找文档，如下图：

![1227182-20171011193758934-50928958.png][]

倒排索引结构也叫反向索引结构，包括索引和文档两部分，索引即词汇表，它的规模较小，而文档集合较大。

创建索引代码实例：

新建一个Java工程，导入相关的jar包

![1227182-20171012002720309-486036118.png][]

编写创建索引代码

使用indexwriter对象创建索引

具体步骤：

第一步：创建一个indexwriter对象。

1）指定索引库的存放位置Directory对象

2）指定一个分析器，对文档内容进行分析。

第二步：创建document对象。

第三步：创建field对象，将field添加到document对象中。

第四步：使用indexwriter对象将document对象写入索引库，此过程进行索引创建。并将索引和document对象写入索引库。

第五步：关闭IndexWriter对象。

//创建索引
        public void testCreateIndex() throws IOException{
            //指定索引库的存放位置Directory对象
            Directory directory = FSDirectory.open(new File("E:\\programme\\test"));
            //索引库还可以存放到内存中
            //Directory directory = new RAMDirectory();
    
            //指定一个标准分析器，对文档内容进行分析
            Analyzer analyzer = new StandardAnalyzer();
            
            //创建indexwriterCofig对象
            //第一个参数： Lucene的版本信息，可以选择对应的lucene版本也可以使用LATEST
            //第二根参数：分析器对象
            IndexWriterConfig config = new IndexWriterConfig(Version.LATEST, analyzer);
            
            //创建一个indexwriter对象
            IndexWriter indexWriter = new IndexWriter(directory, config);
            
            //原始文档的路径
            File file = new File("E:\\programme\\searchsource");
            File[] fileList = file.listFiles();
            for (File file2 : fileList) {
                //创建document对象
                Document document = new Document();
                
                //创建field对象，将field添加到document对象中
                
                //文件名称
                String fileName = file2.getName();
                //创建文件名域
                //第一个参数：域的名称
                //第二个参数：域的内容
                //第三个参数：是否存储
                Field fileNameField = new TextField("fileName", fileName, Store.YES);
                
                //文件的大小
                long fileSize  = FileUtils.sizeOf(file2);
                //文件大小域
                Field fileSizeField = new LongField("fileSize", fileSize, Store.YES);
                
                //文件路径
                String filePath = file2.getPath();
                //文件路径域（不分析、不索引、只存储）
                Field filePathField = new StoredField("filePath", filePath);
                
                //文件内容
                String fileContent = FileUtils.readFileToString(file2);
                //String fileContent = FileUtils.readFileToString(file2, "utf-8");
                //文件内容域
                Field fileContentField = new TextField("fileContent", fileContent, Store.YES);
                
                document.add(fileNameField);
                document.add(fileSizeField);
                document.add(filePathField);
                document.add(fileContentField);
                //使用indexwriter对象将document对象写入索引库，此过程进行索引创建。并将索引和document对象写入索引库。
                indexWriter.addDocument(document);
            }
            //关闭IndexWriter对象。
            indexWriter.close();
        }

### Field域的属性概述 ###

是否分析：是否对域的内容进行分词处理。前提是我们要对域的内容进行查询。

是否索引：将Field分析后的词或整个Field值进行索引，只有索引方可搜索到。

比如：商品名称、商品简介分析后进行索引，订单号、身份证号不用分析但也要索引，这些将来都要作为查询条件。

是否存储：将Field值存储在文档中，存储在文档中的Field才可以从Document中获取

比如：商品名称、订单号，凡是将来要从Document中获取的Field都要存储。

是否存储的标准：是否要将内容展示给用户

<table style="border-spacing:0px;border:1px solid #C0C0C0;color:rgb(51,51,51);font-family:Verdana, Arial, Helvetica, sans-serif;font-size:14px;background-color:rgb(255,255,255);width:939px;"> 
 <tbody> 
 <tr> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Field类</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">数据类型</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Analyzed是否分析</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Indexed是否索引</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Stored是否存储</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">说明</td> 
 </tr> 
 <tr> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">StringField(FieldName, FieldValue,Store.YES))</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">字符串</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">N</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Y</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Y或N</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">这个Field用来构建一个字符串Field，但是不会进行分析，会将整个串存储在索引中，比如(订单号,姓名等)是否存储在文档中用Store.YES或Store.NO决定</td> 
 </tr> 
 <tr> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">LongField(FieldName, FieldValue,Store.YES)</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Long型</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Y</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Y</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Y或N</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">这个Field用来构建一个Long数字型Field，进行分析和索引，比如(价格)是否存储在文档中用Store.YES或Store.NO决定</td> 
 </tr> 
 <tr> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">StoredField(FieldName, FieldValue)</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">重载方法，支持多种类型</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">N</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">N</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Y</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">这个Field用来构建不同类型Field不分析，不索引，但要Field存储在文档中</td> 
 </tr> 
 <tr> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">TextField(FieldName, FieldValue, Store.NO)或TextField(FieldName, reader)&nbsp;</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">字符串或流</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Y</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Y</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">Y或N</td> 
 <td style="border-color:#C0C0C0;border-collapse:collapse;">如果是一个Reader, lucene猜测内容比较多,会采用Unstored的策略.</td> 
 </tr> 
 </tbody> 
</table>

### 　　2. 查询索引 ###

查询索引也是搜索的过程。搜索就是用户输入关键字，从索引（index）中进行搜索的过程。根据关键字搜索索引，根据索引找到对应的文档，从而找到要搜索的内容（这里指磁盘上的文件）。

对要搜索的信息创建Query查询对象，Lucene会根据Query查询对象生成最终的查询语法，类似关系数据库Sql语法一样Lucene也有自己的查询语法，比如：“name:lucene”表示查询Field的name为“lucene”的文档信息。

#### 　　2.1. 用户查询接口 ####

全文检索系统提供用户搜索的界面供用户提交搜索的关键字，搜索完成展示搜索结果。

比如： 百度搜索

Lucene不提供制作用户搜索界面的功能，需要根据自己的需求开发搜索界面。

#### 　　2.2. 创建查询 ####

用户输入查询关键字执行搜索之前需要先构建一个查询对象，查询对象中可以指定查询要搜索的Field文档域、查询关键字等，查询对象会生成具体的查询语法，

例如： 语法 “fileName:lucene”表示要搜索Field域的内容为“lucene”的文档

#### 　　2.3. 执行查询 ####

搜索索引过程：

根据查询语法在倒排索引词典表中分别找出对应搜索词的索引，从而找到索引所链接的文档链表。

比如搜索语法为“fileName:lucene”表示搜索出fileName域中包含Lucene的文档。

搜索过程就是在索引上查找域为fileName，并且关键字为Lucene的term，并根据term找到文档id列表。

可通过两种方法创建查询对象：

1）使用Lucene提供Query子类

Query是一个抽象类，lucene提供了很多查询对象，比如TermQuery项精确查询，NumericRangeQuery数字范围查询等。

如下代码：

Query query = new TermQuery(new Term("name", "lucene"));

2）使用QueryParse解析查询表达式

QueryParse会将用户输入的查询表达式解析成Query对象实例。

如下代码：

QueryParser queryParser = new QueryParser("name", new IKAnalyzer());

Query query = queryParser.parse("name:lucene");

首先，演示第一种方法，使用query的子类查询

实现步骤

第一步：创建一个Directory对象，也就是索引库存放的位置。

第二步：创建一个indexReader对象，需要指定Directory对象。

第三步：创建一个indexsearcher对象，需要指定IndexReader对象

第四步：创建一个Query的子类对象，指定查询的域和查询的关键词。

第五步：执行查询。

第六步：返回查询结果。遍历查询结果并输出。

第七步：关闭IndexReader对象

#### 　　MatchAllDocsQuery ####

使用MatchAllDocsQuery查询索引目录中的所有文档

具体代码：

@Test
        public void testMatchAllDocsQuery() throws Exception {
            //创建一个Directory对象，指定索引库存放的路径
            Directory directory = FSDirectory.open(new File("E:\\programme\\test"));
            //创建IndexReader对象，需要指定Directory对象
            IndexReader indexReader = DirectoryReader.open(directory);
            //创建Indexsearcher对象，需要指定IndexReader对象
            IndexSearcher indexSearcher = new IndexSearcher(indexReader);
            
            //创建查询条件
            //使用MatchAllDocsQuery查询索引目录中的所有文档
            Query query = new MatchAllDocsQuery();
            //执行查询
            //第一个参数是查询对象，第二个参数是查询结果返回的最大值
            TopDocs topDocs = indexSearcher.search(query, 10);
            
            //查询结果的总条数
            System.out.println("查询结果的总条数："+ topDocs.totalHits);
            //遍历查询结果
            //topDocs.scoreDocs存储了document对象的id
            //ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for (ScoreDoc scoreDoc : topDocs.scoreDocs) {
                //scoreDoc.doc属性就是document对象的id
                //int doc = scoreDoc.doc;
                //根据document的id找到document对象
                Document document = indexSearcher.doc(scoreDoc.doc);
                //文件名称
                System.out.println(document.get("fileName"));
                //文件内容
                System.out.println(document.get("fileContent"));
                //文件大小
                System.out.println(document.get("fileSize"));
                //文件路径
                System.out.println(document.get("filePath"));
                System.out.println("----------------------------------");
            }
            //关闭indexreader对象
            indexReader.close();
        }

#### TermQuery（精准查询） ####

TermQuery，通过项查询，TermQuery不使用分析器所以建议匹配不分词的Field域查询，比如订单号、分类ID号等。

指定要查询的域和要查询的关键词。

具体代码：

//搜索索引
        @Test
        public void testSearchIndex() throws IOException{
            //创建一个Directory对象，指定索引库存放的路径
            Directory directory = FSDirectory.open(new File("E:\\programme\\test"));
            //创建IndexReader对象，需要指定Directory对象
            IndexReader indexReader = DirectoryReader.open(directory);
            //创建Indexsearcher对象，需要指定IndexReader对象
            IndexSearcher indexSearcher = new IndexSearcher(indexReader);
            //创建一个TermQuery（精准查询）对象，指定查询的域与查询的关键词
            //创建查询
            Query query = new TermQuery(new Term("fileName", "apache"));
            //执行查询
            //第一个参数是查询对象，第二个参数是查询结果返回的最大值
            TopDocs topDocs = indexSearcher.search(query, 10);
            //查询结果的总条数
            System.out.println("查询结果的总条数："+ topDocs.totalHits);
            //遍历查询结果
            //topDocs.scoreDocs存储了document对象的id
            //ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for (ScoreDoc scoreDoc : topDocs.scoreDocs) {
                //scoreDoc.doc属性就是document对象的id
                //int doc = scoreDoc.doc;
                //根据document的id找到document对象
                Document document = indexSearcher.doc(scoreDoc.doc);
                //文件名称
                System.out.println(document.get("fileName"));
                //文件内容
                System.out.println(document.get("fileContent"));
                //文件大小
                System.out.println(document.get("fileSize"));
                //文件路径
                System.out.println(document.get("filePath"));
                System.out.println("----------------------------------");
            }
            //关闭indexreader对象
            indexReader.close();
        }
    }

#### NumericRangeQuery ####

可以根据数值范围查询。

具体代码：

//数值范围查询
        @Test
        public void testNumericRangeQuery() throws Exception {
            //创建一个Directory对象，指定索引库存放的路径
            Directory directory = FSDirectory.open(new File("E:\\programme\\test"));
            //创建IndexReader对象，需要指定Directory对象
            IndexReader indexReader = DirectoryReader.open(directory);
            //创建Indexsearcher对象，需要指定IndexReader对象
            IndexSearcher indexSearcher = new IndexSearcher(indexReader);
            
            //创建查询
            //参数：
            //1.域名
            //2.最小值
            //3.最大值
            //4.是否包含最小值
            //5.是否包含最大值
            Query query = NumericRangeQuery.newLongRange("fileSize", 41L, 2055L, true, true);
            //执行查询
    
            //第一个参数是查询对象，第二个参数是查询结果返回的最大值
            TopDocs topDocs = indexSearcher.search(query, 10);
            
            //查询结果的总条数
            System.out.println("查询结果的总条数："+ topDocs.totalHits);
            //遍历查询结果
            //topDocs.scoreDocs存储了document对象的id
            //ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for (ScoreDoc scoreDoc : topDocs.scoreDocs) {
                //scoreDoc.doc属性就是document对象的id
                //int doc = scoreDoc.doc;
                //根据document的id找到document对象
                Document document = indexSearcher.doc(scoreDoc.doc);
                //文件名称
                System.out.println(document.get("fileName"));
                //文件内容
                System.out.println(document.get("fileContent"));
                //文件大小
                System.out.println(document.get("fileSize"));
                //文件路径
                System.out.println(document.get("filePath"));
                System.out.println("----------------------------------");
            }
            //关闭indexreader对象
            indexReader.close();
        }

#### BooleanQuery ####

可以组合查询条件。

具体代码：

//组合条件查询
        @Test
        public void testBooleanQuery() throws Exception {
            //创建一个Directory对象，指定索引库存放的路径
            Directory directory = FSDirectory.open(new File("E:\\programme\\test"));
            //创建IndexReader对象，需要指定Directory对象
            IndexReader indexReader = DirectoryReader.open(directory);
            //创建Indexsearcher对象，需要指定IndexReader对象
            IndexSearcher indexSearcher = new IndexSearcher(indexReader);
            
            //创建一个布尔查询对象
            BooleanQuery query = new BooleanQuery();
            //创建第一个查询条件
            Query query1 = new TermQuery(new Term("fileName", "apache"));
            Query query2 = new TermQuery(new Term("fileName", "lucene"));
            //组合查询条件
            query.add(query1, Occur.MUST);
            query.add(query2, Occur.MUST);
            //执行查询
    
            //第一个参数是查询对象，第二个参数是查询结果返回的最大值
            TopDocs topDocs = indexSearcher.search(query, 10);
            
            //查询结果的总条数
            System.out.println("查询结果的总条数："+ topDocs.totalHits);
            //遍历查询结果
            //topDocs.scoreDocs存储了document对象的id
            //ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for (ScoreDoc scoreDoc : topDocs.scoreDocs) {
                //scoreDoc.doc属性就是document对象的id
                //int doc = scoreDoc.doc;
                //根据document的id找到document对象
                Document document = indexSearcher.doc(scoreDoc.doc);
                //文件名称
                System.out.println(document.get("fileName"));
                //文件内容
                System.out.println(document.get("fileContent"));
                //文件大小
                System.out.println(document.get("fileSize"));
                //文件路径
                System.out.println(document.get("filePath"));
                System.out.println("----------------------------------");
            }
            //关闭indexreader对象
            indexReader.close();
        }

Occur.MUST：必须满足此条件，相当于and

Occur.SHOULD：应该满足，但是不满足也可以，相当于or

Occur.MUST\_NOT：必须不满足。相当于not

接着，演示第二种方法：使用queryparser查询

通过QueryParser也可以创建Query，QueryParser提供一个Parse方法，此方法可以直接根据查询语法来查询。Query对象执行的查询语法可通过System.out.println(query);查询。

这个操作需要使用到分析器。建议创建索引时使用的分析器和查询索引时使用的分析器要一致。

queryparser

具体代码：

@Test
        public void testQueryParser() throws Exception {
            //创建一个Directory对象，指定索引库存放的路径
            Directory directory = FSDirectory.open(new File("E:\\programme\\test"));
            //创建IndexReader对象，需要指定Directory对象
            IndexReader indexReader = DirectoryReader.open(directory);
            //创建Indexsearcher对象，需要指定IndexReader对象
            IndexSearcher indexSearcher = new IndexSearcher(indexReader);
            
            //创建queryparser对象
            //第一个参数默认搜索的域
            //第二个参数就是分析器对象
            QueryParser queryParser = new QueryParser("fileName", new IKAnalyzer());
            //使用默认的域,这里用的是语法，下面会详细讲解一下
            Query query = queryParser.parse("apache");
            //不使用默认的域，可以自己指定域
            //Query query = queryParser.parse("fileContent:apache");
            //执行查询
    
    
            //第一个参数是查询对象，第二个参数是查询结果返回的最大值
            TopDocs topDocs = indexSearcher.search(query, 10);
            
            //查询结果的总条数
            System.out.println("查询结果的总条数："+ topDocs.totalHits);
            //遍历查询结果
            //topDocs.scoreDocs存储了document对象的id
            //ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for (ScoreDoc scoreDoc : topDocs.scoreDocs) {
                //scoreDoc.doc属性就是document对象的id
                //int doc = scoreDoc.doc;
                //根据document的id找到document对象
                Document document = indexSearcher.doc(scoreDoc.doc);
                //文件名称
                System.out.println(document.get("fileName"));
                //文件内容
                System.out.println(document.get("fileContent"));
                //文件大小
                System.out.println(document.get("fileSize"));
                //文件路径
                System.out.println(document.get("filePath"));
                System.out.println("----------------------------------");
            }
            //关闭indexreader对象
            indexReader.close();        
        }

##### 查询语法 #####

1、基础的查询语法，关键词查询：

域名+“：”+搜索的关键字

例如：content:java

2、范围查询

域名+“:”+\[最小值 TO 最大值\]

例如：size:\[1 TO 1000\]

范围查询在lucene中支持数值类型，不支持字符串类型。在solr中支持字符串类型。

3、组合条件查询

1）+条件1 +条件2：两个条件之间是并且的关系and

例如：+filename:apache +content:apache

2）+条件1 条件2：必须满足第一个条件，应该满足第二个条件

例如：+filename:apache content:apache

3）条件1 条件2：两个条件满足其一即可。

例如：filename:apache content:apache

4）-条件1 条件2：必须不满足条件1，要满足条件2

例如：-filename:apache content:apache

第二种写法：

条件1 AND 条件2

条件1 OR 条件2

条件1 NOT 条件2

#### 　　MultiFieldQueryParser ####

可以指定多个默认搜索域

具体代码：

@Test
        public void testMultiFiledQueryParser() throws Exception {
            //创建一个Directory对象，指定索引库存放的路径
            Directory directory = FSDirectory.open(new File("E:\\programme\\test"));
            //创建IndexReader对象，需要指定Directory对象
            IndexReader indexReader = DirectoryReader.open(directory);
            //创建Indexsearcher对象，需要指定IndexReader对象
            IndexSearcher indexSearcher = new IndexSearcher(indexReader);
            
            //可以指定默认搜索的域是多个
            String[] fields = {"fileName", "fileContent"};
            //创建一个MulitFiledQueryParser对象
            MultiFieldQueryParser queryParser = new MultiFieldQueryParser(fields, new IKAnalyzer());
            Query query = queryParser.parse("apache");
            System.out.println(query);
            //执行查询
    
    
            //第一个参数是查询对象，第二个参数是查询结果返回的最大值
            TopDocs topDocs = indexSearcher.search(query, 10);
            
            //查询结果的总条数
            System.out.println("查询结果的总条数："+ topDocs.totalHits);
            //遍历查询结果
            //topDocs.scoreDocs存储了document对象的id
            //ScoreDoc[] scoreDocs = topDocs.scoreDocs;
            for (ScoreDoc scoreDoc : topDocs.scoreDocs) {
                //scoreDoc.doc属性就是document对象的id
                //int doc = scoreDoc.doc;
                //根据document的id找到document对象
                Document document = indexSearcher.doc(scoreDoc.doc);
                //文件名称
                System.out.println(document.get("fileName"));
                //文件内容
                System.out.println(document.get("fileContent"));
                //文件大小
                System.out.println(document.get("fileSize"));
                //文件路径
                System.out.println(document.get("filePath"));
                System.out.println("----------------------------------");
            }
            //关闭indexreader对象
            indexReader.close();
        }

### IndexSearcher搜索方法 ###

### 　　TopDocs ###

Lucene搜索结果可通过TopDocs遍历，TopDocs类提供了少量的属性，如下：

注意：

（1）Search方法需要指定匹配记录数量n：indexSearcher.search(query, n)

（2）TopDocs.totalHits：是匹配索引库中所有记录的数量

（3）TopDocs.scoreDocs：匹配相关度高的前边记录数组，scoreDocs的长度小于等于search方法指定的参数n

中文分词器 ：

首先，看一看Lucene自带的中文分词器

（1）StandardAnalyzer：（标准分词器，也是前面例子中使用的分词器）

单字分词：就是按照中文一个字一个字地进行分词。

如：“我爱中国”，  
　　　　效果：“我”、“爱”、“中”、“国”。

（2）CJKAnalyzer

二分法分词：按两个字进行切分。

如：“我是中国人”，

效果：“我是”、“是中”、“中国”“国人”。

但上边两个分词器无法满足需求。

（3）SmartChineseAnalyzer

对中文支持较好，但扩展性差，扩展词库，禁用词库和同义词库等不好处理

然后，看一看我们开发真正使用的第三方中文分词器：

我们今天介绍IK-analyzer这款第三方中文分词器

IK-analyzer： 最新版在https://code.google.com/p/ik-analyzer/上，支持Lucene 4.10从2006年12月推出1.0版开始， IKAnalyzer已经推出了4个大版本。最初，它是以开源项目Luence为应用主体的，结合词典分词和文法分析算法的中文分词组件。从3.0版本开 始，IK发展为面向Java的公用分词组件，独立于Lucene项目，同时提供了对Lucene的默认优化实现。在2012版本中，IK实现了简单的分词 歧义排除算法，标志着IK分词器从单纯的词典分词向模拟语义分词衍化。 但是也就是2012年12月后没有在更新。

使用方法：

第一步：把jar包添加到工程中

第二步：把配置文件和扩展词词典和停用词词典添加到classpath下（停用词词典与扩展词词典名称可自行定义，只要在配置文件中配置好就可以了）

![1227182-20171012185227840-1236066687.png][]

注意：扩展词词典和停用词词典文件的格式为UTF-8，注意是无BOM 的UTF-8 编码。

配置文件详情

<?xml version="1.0" encoding="UTF-8"?>
 <!DOCTYPE properties SYSTEM "http://java.sun.com/dtd/properties.dtd"> 
 <properties> 
 <comment>IK Analyzer 扩展配置</comment>
  
 <entry key="ext_dict">ext.dic;</entry> 
 
 
 <entry key="ext_stopwords">stopword.dic;</entry> 
 </properties>

停用词词典与扩展词词典样例：

![1227182-20171012185848824-1377191348.png][]

这样，创建分析器时，用一下代码就好了

Analyzer analyzer = new IKAnalyzer();

注意：搜索使用的分析器要和索引使用的分析器一致，不然搜索出来结果可能会错乱。

### 　　3. 删除索引 ###

（1）删除全部索引

说明：将索引目录的索引信息全部删除，直接彻底删除，无法恢复。此方法慎用！！

//删除全部索引
        @Test
        public void testDeleteAllIndex() throws Exception {
            Directory directory = FSDirectory.open(new File("E:\\programme\\test"));
            Analyzer analyzer = new IKAnalyzer();
            IndexWriterConfig config = new IndexWriterConfig(Version.LATEST, analyzer);
            IndexWriter indexWriter = new IndexWriter(directory, config);
            //删除全部索引
            indexWriter.deleteAll();
            //关闭indexwriter
            indexWriter.close();
        }

（2）指定查询条件删除

//根据查询条件删除索引
        @Test
        public void deleteIndexByQuery() throws Exception {
            Directory directory = FSDirectory.open(new File("E:\\programme\\test"));
            Analyzer analyzer = new IKAnalyzer();
            IndexWriterConfig config = new IndexWriterConfig(Version.LATEST, analyzer);
            IndexWriter indexWriter = new IndexWriter(directory, config);
            //创建一个查询条件
            Query query = new TermQuery(new Term("fileContent", "apache"));
            //根据查询条件删除
            indexWriter.deleteDocuments(query);
            //关闭indexwriter
            indexWriter.close();
        }

### 4 索引库的修改 ###

更新的原理就是先删除在添加

//修改索引库
        @Test
        public void updateIndex() throws Exception {
            Directory directory = FSDirectory.open(new File("E:\\programme\\test"));
            Analyzer analyzer = new IKAnalyzer();
            IndexWriterConfig config = new IndexWriterConfig(Version.LATEST, analyzer);
            IndexWriter indexWriter = new IndexWriter(directory, config);
            //创建一个Document对象
            Document document = new Document();
            //向document对象中添加域。
            //不同的document可以有不同的域，同一个document可以有相同的域。
            document.add(new TextField("fileXXX", "要更新的文档", Store.YES));
            document.add(new TextField("contentYYY", "简介 Lucene 是一个基于 Java 的全文信息检索工具包。", Store.YES));
            indexWriter.updateDocument(new Term("fileName", "apache"), document);
            //关闭indexWriter
            indexWriter.close();
        }

这样，Lucene的简单介绍使用就完成了。

[70]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/30aae002b2114012af4598cb30656745.png
[http_lucene.apache.org_nutch]: http://lucene.apache.org/nutch
[1227182-20171011192234699-115366628.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/6c5d0e97bcb74561b9a187cb3b7f7583.png
[1227182-20171011194345059-873127678.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/c4c73b2bb3f1459888317002c9c32cf2.png
[1227182-20171011193525215-791530589.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/ef21888ea6a34fae8af3a195b01a6087.png
[1227182-20171011193758934-50928958.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/da2bf6051f194a729f034433ccefc28b.png
[1227182-20171012002720309-486036118.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/c3caf37c72964a509d6ac0b609c26348.png
[1227182-20171012185227840-1236066687.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/63c15b4de53a4516a735f90b8c5030eb.png
[1227182-20171012185848824-1377191348.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/97e3945cf3ae48d4a258a14eca0623d0.png