文章来源:http://blog.csdn.net/xiaodaoxiao ... /09/10/1203959.aspx 最近要做一个站内的全文检索功能，主要是针对clob字段的，于是去网上找了点lucene的资料，现在新版本的是2.0.0，网上的例子多是1.4.3的，有些方法已经废弃了，搞了n久终于把2.0.0的功能实现了，呵呵，下面把实现的代码贴出来，实现了索引的创建、检索和删除功能，并可以从检索结果去查询数据库~
// 创建索引 public void indexFiles() { // 创建索引文件存放路径 File indexDir = new File("E:lucene_Learninglucene-2.0.0srcsrcdemoindex"); try { Date start = new Date(); // 创建分析器,主要用于从文本中抽取那些需要建立索引的内容,把不需要参与建索引的文本内容去掉. // 比如去掉一些a the之类的常用词,还有决定是否大小写敏感. StandardAnalyzer standardAnalyzer = new StandardAnalyzer(); // 参数true用于确定是否覆盖原有索引的 IndexWriter indexWriter = new IndexWriter(indexDir, standardAnalyzer, true); indexWriter.setMergeFactor(100); indexWriter.setMaxBufferedDocs(100); // 只索引这个Field的前5000个字，默认为10000 indexWriter.setMaxFieldLength(5000); // 从数据库取出所有纪录 List articleList = articleManager.getArticles(null); for (int i = 0; i < articleList.size(); i++) { Article article = (Article) articleList.get(i); // 在Document方法是创建索引的具体代码 Document doc = Document(article); indexWriter.addDocument(doc); } // Optimize的过程就是要减少剩下的Segment的数量,尽量让它们处于一个文件中. indexWriter.optimize(); indexWriter.close(); Date end = new Date(); System.out.println("create index: " + (end.getTime() - start.getTime()) + " total milliseconds"); } catch (IOException e) { System.out.println(" caught a " + e.getClass() + "n with message: " + e.getMessage()); } } public static Document Document(Article article) throws java.io.IOException { Document doc = new Document(); // 为article表的主健创建索引，关于Field的几个参数下面有详细解释 Field fieldId = new Field("uid", article.getArticleId(), Field.Store.YES, Field.Index.UN_TOKENIZED, Field.TermVector.YES); // 为detail字段创建索引，detail在DB中是clob字段，内容为html文本 String contentHtml = article.getDetail(); Reader read = new StringReader(contentHtml); // 用HTMLParser把detail字段中的HTML分析成文本在索引 // HTMLParser这个类可以在lucene的demo中找到 HTMLParser htmlParser = new HTMLParser(read); BufferedReader breader = new BufferedReader(htmlParser.getReader()); String htmlContent =""; String tempContent = breader.readLine(); while (tempContent != null && tempContent.length() > 0) { htmlContent = htmlContent + tempContent; tempContent = breader.readLine(); } Field fieldContents = new Field("content", htmlContent, Field.Store.COMPRESS, Field.Index.TOKENIZED,Field.TermVector.YES); // db中的每条纪录对应一个doc，每个字段对应一个field doc.add(fieldId); doc.add(fieldContents); return doc; } // 搜索文件，keyword是你在页面上输入的查找关键字，这里查找的是detail字段 public List searchFiles(String keyword){ String index = "E:lucene_Learninglucene-2.0.0srcsrcdemoindex"; // hitsList用来保存db的纪录，这些纪录可以通过查询结果取到 List hitsList = new ArrayList(); try { Date start = new Date(); IndexReader reader = IndexReader.open(index); Searcher searcher = new IndexSearcher(reader); Analyzer analyzer = new StandardAnalyzer(); QueryParser parser = new QueryParser("content", analyzer); // 解析查询关键字，比如输入的是以空格等分开的多个查询关键字，这里解析后，可以多条件查询 Query query = parser.parse(keyword); // hits用来保存查询结果，这里的hits相当于sql中的result Hits hits = searcher.search(query); for (int i = 0; i < hits.length(); i++) { Document doc = hits.doc(i); // 获得article表的主健 String id = doc.get("uid"); // 根据主健去db中取纪录，返回到hitsList中 try { Article article = articleManager.getArticle(id); } catch (ObjectRetrievalFailureException e) { article = null; } // 如果没有找到该纪录，表示该纪录已经不存在，不必添加到hitsList中 if(article!=null) hitsList.add(article); } searcher.close(); reader.close(); Date end = new Date(); System.out.println("search files: " + (end.getTime() - start.getTime()) + " total milliseconds"); } catch (IOException e) { System.out.println(" caught a " + e.getClass() + "n with message: " + e.getMessage()); } catch (ParseException e) { System.out.println(" caught a " + e.getClass() + "n with message: " + e.getMessage()); } return hitsList; } // 删除索引 public void deleteIndex(){ String index = "E:lucene_Learninglucene-2.0.0srcsrcdemoindex"; try { Date start = new Date(); IndexReader reader = IndexReader.open(index); int numFiles = reader.numDocs(); for (int i = 0; i < numFiles; i++) { // 这里的删除只是给文档做一个删除标记，你可以看到执行deleteDocument后会产生一个del后缀的文件， // 用来记录这些标记过的文件 reader.deleteDocument(i); } reader.close(); Date end = new Date(); System.out.println("delete index: " + (end.getTime() - start.getTime()) + " total milliseconds"); } catch (IOException e) { System.out.println(" caught a " + e.getClass() + "n with message: " + e.getMessage()); } } // 恢复已删除的索引 public void unDeleteIndex(){ String index = "E:lucene_Learninglucene-2.0.0srcsrcdemoindex"; try { IndexReader reader = IndexReader.open(index); reader.undeleteAll(); reader.close(); } catch (IOException e) { System.out.println(" caught a " + e.getClass() + "n with message: " + e.getMessage()); } }
Field就像我们学过的数据库中的字段，简单的说，就是一个名值对。这个域有三种属性，分别是 isStored - 是否被存储 isIndexed - 是否被索引 isTokenized - 是否分词 这些属性的组合又构成了四种不同类型的Field，而且各有用途Stored Indexed Tokenized Keyword Y Y N UnIndexed Y N N UnStored N Y Y Text: String Y Y Y Text : Reader N Y Y 关于Field，2.0.0版本和1.4.3版本方法相比改动比较大，具体见下表 1.4.3版本中的下面方法都被Field(String name, String value, Store store, Index index, TermVector termVector)取代 Keyword(String name, String value) // only version 1.4.3 存储、索引、不分词，用于URI（比如MSN聊天记录的日期域、比如MP3文件的文件全路径等等） Field(String name, String value, Field.Store.YES, Field.Index.UN_TOKENIZED) // version 2.0.0 UnIndexed(String name, String value) // only version 1.4.3 存储、不索引、不分词，比如文件的全路径 Field(String name, String value,Field.Store.YES, Field.Index.NO) // version 2.0.0 UnStored(String name, String value) // only version 1.4.3 不存储、索引、分词，比如HTML的正文、Word的内容等等，这部分内容是要被索引的，但是由于具体内容通常很大，没有必要再进行存储，可以到时候根据URI再来挖取。所以，这部分只分词、索引，而不存储。 Field(String name, String value,Field.Store.YES, Field.Index.TOKENIZED)// version 2.0.0 Text(String name, String value) // only version 1.4.3 存储、索引、分词，比如文件的各种属性，比如MP3文件的歌手、专辑等等。Field.Store.YES, Field(String name, String value,Field.Index.TOKENIZED)// version 2.0.0 Text(String name, Reader value) // only version 1.4.3 Field(String name, Reader reader) // version 2.0.0 不存储、索引、分词。 <script src="tag.php?action=relatetag&rtid=64" type="text/javascript"></script>
